XiaoMi-AI文件搜索系统
World File Search SystemBoneXpert
儿科放射学中的自主人工智能
摘要背景 自主人工智能 (AI) 骨龄评定系统 (BoneXpert) 旨在用于临床放射学实践，作为一种 AI 替代工具，完全取代放射科医生。目的本研究旨在调查该工具在临床实践中的使用情况。放射科医生是否更倾向于使用 BoneXpert 来协助而不是取代自己，以及这样做节省了多少时间？材料和方法我们向已经使用该软件的欧洲各科室的 282 名放射科医生发送了一份包含八个多项选择题的调查问卷。结果 97 名 (34%) 受访者来自 18 个国家。他们的回答显示，在安装自动化方法之前，83 名 (86%) 的受访者每次骨龄评定花费超过 2 分钟；安装后，这一比例下降到 20 名 (21%) 。只有 17/97 (18%) 的受访者使用 BoneXpert 完全取代放射科医生；其余的受访者在不同程度上使用它来协助放射科医生。例如，39/97 (40%) 从未推翻自动读数，而 9/97 (9%) 推翻了超过 5% 的自动评级。大多数 58/97 (60%) 的受访者自己检查了 X 光片以排除潜在疾病的特征。结论 BoneXpert 显著缩短了骨龄测定的报告时间。然而，射线分析不仅仅涉及确定骨龄。它还涉及识别异常，因此，放射科医生无法完全被取代。最初为取代放射科医生而开发的 AI 系统可能更适合作为 AI 辅助工具，特别是如果它们尚未经过验证可以自主工作，包括在图像超出有效范围时省略评级的能力。
人工智能在香港儿童骨龄评估中的验证
摘要 简介：我们试图评估人工智能 (AI) 自动化骨龄分析软件 BoneXpert 3.0 在确定香港儿童骨龄方面的准确性。方法：纳入了 2019 年 1 月至 12 月在香港一家三级转诊中心用于骨龄评估的所有左手和腕部 X 光片。我们将两名经验丰富的儿科放射科医生评估的这些 X 光片的骨龄与使用 Greulich 和 Pyle 方法的 BoneXpert 分析进行比较。还进行了基于性别的骨龄比较。评估包括计算 Spearman 相关性 (r)、判定系数 (R 2) 和准确度（均方根误差）。通过 Bland-Altman 分析评估手动和人工智能生成的评估之间的一致性。结果：共分析了 99 张骨龄 X 光片。平均实际年龄为 9.8 岁（标准差 [SD] = 3.9 岁）。人工和人工智能分析显示出很强的相关性（r = 0.98，R 2 = 0.97；p < 0.001）。Bland-Altman 分析显示平均差异为 -0.08 岁（SD = 0.73 岁），一致性界限在 1.35 和 -1.51 岁之间。按性别分层后，视觉和人工智能生成的骨龄评估之间的相关性仍然很强（r = 0.98，R 2 = 0.97；p < 0.001）。人工智能骨龄分析的准确率为所有研究 0.74 岁，女性 0.79 岁，男性 0.65 岁。结论：BoneXpert 在当地儿科人群的骨龄评估中可靠且准确。