陳豫 北京市大興區(qū)中西醫(yī)結(jié)合醫(yī)院放射科 （北京 100076）

內(nèi)容提要： 目的：研究AI在肋骨骨折檢測中的表現(xiàn)、靈敏度及誤診與漏診原因。方法：本研究回顧性分析本院100例經(jīng)CT確診的肋骨骨折患者。利用uAI Discover人工智能軟件（uAI）對肋骨骨折進行自動識別。兩名影像醫(yī)師（醫(yī)師A、醫(yī)師B）分別進行診斷，再利用uAI軟件重新診斷。采用兩名高級影像科醫(yī)師共同閱片結(jié)果作為診斷“金標(biāo)準(zhǔn)”。診斷錯誤類型包括：AI或醫(yī)生將部位誤診為骨折，或骨折類型判斷與金標(biāo)準(zhǔn)不符。若實際骨折部位和類型與金標(biāo)準(zhǔn)相符，認(rèn)定診斷正確。結(jié)果：100例患者共檢出肋骨骨折424根，涉及563個部位，包括錯位性骨折131處、非錯位性骨折218處及陳舊性骨折214處。醫(yī)師A、醫(yī)師B獨立診斷時，誤差分別為39處和31處。uAI在三種骨折類型準(zhǔn)確度上均高于兩名醫(yī)師。醫(yī)師A、醫(yī)師B利用uAI輔助診斷后，診斷準(zhǔn)確性高于僅用uAI。uAI存在49處骨折診斷偏差，包括漏診14處、假陽性12處（主要為非錯位性骨折），分類錯誤23處（主要為陳舊性骨折）。uAI漏診率：錯位性骨折4.27%、非錯位性骨折3.67%、陳舊性骨折1.52%。結(jié)論：AI在肋骨骨折診斷中具有應(yīng)用潛力。通過優(yōu)化算法、加強機器學(xué)習(xí)、驗證及醫(yī)師合作，AI未來在臨床實踐中將發(fā)揮更大作用。

胸部外傷常常會引起肋骨骨折，這是世界范圍內(nèi)創(chuàng)傷患者中最常見的損傷之一。雖然肋骨骨折病死率相對較低且通常采用保守治療，但多發(fā)肋骨骨折可能導(dǎo)致嚴(yán)重并發(fā)癥，如肺挫傷、肺不張和血氣胸等[1]。因此，早期的、快速而準(zhǔn)確的肋骨骨折診斷尤為重要。隨著醫(yī)療技術(shù)的不斷發(fā)展，現(xiàn)代醫(yī)學(xué)越來越依賴于各種影像學(xué)技術(shù)。在肋骨骨折的診斷中，目前常用的影像學(xué)檢查包括X射線、CT和MRI等。尤其是CT成為胸部外傷患者的首選影像檢查方法，因為它不僅能夠快速準(zhǔn)確地檢測肋骨骨折，還能夠顯示肋骨骨皮質(zhì)的完整性、骨折碎片的存在以及周圍臟器的損傷狀況等信息[2]。然而，肋骨骨折的影像診斷仍然存在一些困難。因為肋骨的數(shù)量和形態(tài)因個體而異，而骨折后的形態(tài)多變，這導(dǎo)致肋骨骨折的影像診斷并不簡單。對于影像科醫(yī)生來說，肋骨骨折的檢出是一項耗時工作，隱匿性骨折容易漏診，且不同閱片者之間一致性欠佳。因此，尋求一種有效的肋骨骨折自動檢測和分類的技術(shù)具有重要意義。近年來，基于深度學(xué)習(xí)的人工智能（Artificial Intelligence，AI）技術(shù)得到快速發(fā)展，被廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域。已有研究表明，AI技術(shù)在肋骨骨折的自動檢測、分類中具有良好的準(zhǔn)確性、敏感性和特異性，能夠有效地提高影像科醫(yī)生的診斷效率[3,4]。但是，關(guān)于不同類型肋骨骨折診斷準(zhǔn)確性及誤漏診原因的研究仍然不足。本研究旨在分析不同類型肋骨骨折中AI的檢出率、靈敏度及誤漏診原因，并分析影像科醫(yī)師在使用AI進行肋骨骨折診斷時應(yīng)注意的問題。

1.資料與方法

1.1 臨床資料

本研究對本院2020 年1 月～2021 年1 月接受CT 檢查并確診為肋骨骨折的100例患者進行回顧性評估研究。其中，男性患者63例，女性患者37例；年齡20～80歲，平均（49.24±15.39）歲。

納入標(biāo)準(zhǔn)：CT掃描顯示肋骨骨折；CT掃描結(jié)果顯示骨痂形成或者骨折愈合。排除標(biāo)準(zhǔn)：具有骨破壞或骨腫瘤病史、先天性胸腔發(fā)育異常或畸形、以及呼吸和放射偽影等可能對肋骨骨折的診斷產(chǎn)生影響的患者。

1.2 方法

1.2.1 CT掃描

掃描采用聯(lián)影uCT-760 64排螺旋CT進行?；颊卟捎醚雠P位，頭部向前，深吸氣后屏氣。掃描范圍從肺尖至上腹部，掃描參數(shù)設(shè)置為管電壓120kV，自適應(yīng)動態(tài)管電流，這能夠根據(jù)掃描區(qū)域的密度變化自動調(diào)節(jié)管電流，從而減少輻射劑量，保護患者的健康。設(shè)置準(zhǔn)直寬度40mm，螺距1.1125，掃描層厚0.625mm。采用0.625mm薄層、層間距0.625mm的圖像重建參數(shù)，矩陣為512×512，以提高圖像質(zhì)量。圖像重建采用骨算法，能夠使圖像更加清晰，便于醫(yī)生進行診斷和治療。

1.2.2 肋骨骨折自動檢測技術(shù)

本研究采用uAI Discover人工智能軟件（uAI），對肋骨骨折進行自動識別。首先將符合要求的CT圖像導(dǎo)入AI系統(tǒng)，軟件會自動對圖像進行圖像后處理和分析，得到預(yù)測的肋骨骨折區(qū)域并進行標(biāo)記。在軟件處理結(jié)果展示頁面中，橫軸位圖像帶有肋骨定位標(biāo)簽和骨折標(biāo)記，方便醫(yī)生快速準(zhǔn)確地識別骨折部位。此外，軟件還支持多平面重建和容積重建的后處理，以多角度觀察AI檢測到的肋骨骨折情況。該軟件可以自動識別肋骨骨折類型，包括錯位性骨折、非錯位性骨折和陳舊性骨折，并通過多平面重建及3D后處理技術(shù)輔助醫(yī)生識別骨折并判斷骨折性質(zhì)。陳舊性骨折是指骨折部位出現(xiàn)骨痂形成或骨折畸形愈合。

1.2.3 肋骨骨折的診斷策略

本研究由兩名經(jīng)驗豐富的影像科醫(yī)師（醫(yī)師A、醫(yī)師B）和uAI軟件分別進行診斷。兩位醫(yī)師通過胸部CT軸位圖像及多種CT后處理技術(shù)進行診斷。uAI軟件通過自動定位肋骨、識別骨折部位及骨折類型得出診斷結(jié)果。隨后，兩位醫(yī)師使用uAI軟件進行重新診斷。最終以兩名具有20年以上影像診斷經(jīng)驗的高級影像科醫(yī)師共同閱片的最終結(jié)果為診斷“金標(biāo)準(zhǔn)”。

1.2.4 對診斷結(jié)果的分析與確立

在分析和確定診斷結(jié)果時，首先需依據(jù)金標(biāo)準(zhǔn)對患者所患骨折部位進行判斷。當(dāng)實際骨折部位和類型與金標(biāo)準(zhǔn)所確定的位置及性質(zhì)相一致時，可以認(rèn)定該診斷結(jié)果為正確。在本研究中，診斷錯誤主要涉及兩種情況：第一種情況是AI或醫(yī)生將某個部位診斷為骨折，然而實際上金標(biāo)準(zhǔn)并未認(rèn)定該部位存在骨折；第二種情況是醫(yī)生或AI對骨折類型的判斷與金標(biāo)準(zhǔn)所確定的類型不符。

1.3 統(tǒng)計學(xué)分析

采用SPSS 22.0統(tǒng)計分析軟件對所收集的數(shù)據(jù)進行處理與分析，以計算人工智能方法和傳統(tǒng)人工方法在肋骨骨折檢測方面的診斷準(zhǔn)確率。在分析過程中，采用配對t檢驗來對比影像科醫(yī)師在獨立進行診斷和使用人工智能輔助閱片的情況下的診斷時間差異。

2.結(jié)果

2.1 肋骨骨折判定金標(biāo)準(zhǔn)

在兩位高級影像科醫(yī)師的共同討論與判定下，100例患者中共發(fā)現(xiàn)肋骨骨折424根，涉及骨折部位563處，包括錯位性骨折131處、非錯位性骨折218處以及陳舊性骨折214處。

2.2 uAI及影像科醫(yī)師診斷骨折結(jié)果對照分析

在uAI準(zhǔn)確檢測出的骨折部位中，醫(yī)師A在獨立進行診斷時，共發(fā)生了39處診斷誤差；醫(yī)師B在診斷過程中，誤差共計31處，見表1。

表1.uAI與影像醫(yī)師診斷結(jié)果對比(n)

2.3 uAI 與影像科醫(yī)師對不同類型肋骨骨折診斷準(zhǔn)確性的比較

uAI在診斷3種類型骨折的準(zhǔn)確度方面均明顯高于醫(yī)師A和醫(yī)師B。醫(yī)師A和醫(yī)師B在使用uAI輔助診斷后，對三種類型骨折的診斷準(zhǔn)確性高于僅依靠uAI進行診斷，見表2。

表2.uAI與兩名影像醫(yī)師對不同類型骨折的診斷準(zhǔn)確性(%)

2.4 uAI診斷偏差及誤診漏診情況分析

在將金標(biāo)準(zhǔn)診斷結(jié)果與uAI所得診斷結(jié)果進行對比時，共發(fā)現(xiàn)有49處骨折診斷存在偏差。具體而言，漏診骨折共有14處，假陽性診斷共有12處，這兩種情況主要出現(xiàn)在非錯位性骨折的診斷中；診斷分類錯誤的骨折共有23處，這些錯誤主要涉及陳舊性骨折的診斷。對于錯位性骨折、非錯位性骨折以及陳舊性骨折，uAI的漏診率分別為4.27%、3.67%和1.52%。通過對uAI的診斷偏差及誤診漏診情況進行深入分析，可以更好地了解其在實際應(yīng)用中可能存在的不足之處，從而進一步優(yōu)化和改進相關(guān)診斷技術(shù)。

2.5 診斷平均用時

影像科醫(yī)師A和B獨立閱片的診斷用時分別為（315.3±64.8）s和（311.5±57.2）s。使用uAI閱片時，醫(yī)師A和B的診斷用時分別為（220.2±48.6）s和（215.7±42.9）s。運用uAI閱片的診斷平均用時顯著低于兩位醫(yī)師單獨閱片的用時（醫(yī)師A：t=8.293，P=0.014；醫(yī)師B：t=8.733，P=0.011）。

3.討論

在現(xiàn)代社會中，由于生活節(jié)奏的加速和交通方式的多樣性，不得不應(yīng)對越來越多的胸部損傷挑戰(zhàn)。在諸多胸部損傷類型中，肋骨骨折尤為常見，這類骨折通常意味著較為嚴(yán)重的傷情，可能會引發(fā)多發(fā)性損傷及預(yù)后惡化的風(fēng)險。因此，對于肋骨骨折的診斷，提高準(zhǔn)確性和時效性顯得尤為重要。在當(dāng)下的醫(yī)學(xué)研究領(lǐng)域，關(guān)注如何進一步提高肋骨骨折診斷的準(zhǔn)確率和時效性已成為一項重要課題。有效地診斷并及時處理肋骨骨折，不僅可以減輕患者的痛苦，更有助于降低其并發(fā)癥發(fā)生的風(fēng)險，從而為患者提供更加優(yōu)質(zhì)的治療服務(wù)。針對這一問題，醫(yī)學(xué)專家們正在不斷研究和探索更為先進的診斷技術(shù)和方法，以期在今后的醫(yī)療實踐中取得更好的效果。

近年來，醫(yī)學(xué)影像領(lǐng)域AI已廣泛應(yīng)用于諸如肺結(jié)節(jié)等疾病的檢測，為醫(yī)生提供了更多有價值的信息[5]。AI軟件在肋骨骨折部位和類別識別方面表現(xiàn)出較高的速度和準(zhǔn)確性[6,7]。尤其是在非錯位性和陳舊性骨折的檢出方面，AI的表現(xiàn)優(yōu)于醫(yī)生，進一步證明了其在診斷困難和易漏診骨折方面的重要性。

盡管AI在三種骨折類型的診斷準(zhǔn)確性上均優(yōu)于影像科醫(yī)師的單獨診斷，但在陳舊性骨折方面的診斷準(zhǔn)確度和靈敏度略低于其他兩種骨折。因此，在這方面需要加強機器學(xué)習(xí)和驗證。此外，AI還存在一定的誤診和漏診問題，如假陽性和骨折性質(zhì)判斷錯誤，這些問題需要在未來的技術(shù)優(yōu)化和驗證中加以解決。

值得注意的是，當(dāng)醫(yī)師在使用AI輔助診斷時，他們在三種類型骨折的診斷準(zhǔn)確度上優(yōu)于AI單獨診斷。這可能是因為醫(yī)師能夠糾正AI在部分骨折類型判斷中的錯誤，從而減少誤診的發(fā)生。此外，AI還能顯著縮短醫(yī)師的診斷時間，提高診斷效率，具有較高的臨床應(yīng)用價值。AI技術(shù)在肋骨骨折診斷方面表現(xiàn)出較高的準(zhǔn)確性和靈敏度，可以快速、直觀地識別骨折部位和類型。AI與醫(yī)師的聯(lián)合診斷可以在縮短診斷時間的同時，提高醫(yī)生的診斷效率，進而在臨床實踐中發(fā)揮更大的價值。

雖然AI技術(shù)在診斷肋骨骨折方面取得了顯著的成果，但仍有一些問題需要關(guān)注。例如，對于非錯位性骨折和陳舊性骨折的識別，AI可能需要進行更多的機器學(xué)習(xí)和驗證以提高準(zhǔn)確性。此外，在處理一些特殊情況時，如肋軟骨的不完全鈣化、呼吸運動偽影、滋養(yǎng)孔影和引流管影等，AI可能出現(xiàn)假陽性的情況。因此，在使用AI輔助診斷時，醫(yī)師需要關(guān)注這些可能出現(xiàn)的問題，以便作出更準(zhǔn)確的判斷。

未來，通過對AI技術(shù)進行持續(xù)優(yōu)化和驗證，有望進一步提高肋骨骨折診斷的準(zhǔn)確性和效率。例如，可以對AI算法進行更深入的訓(xùn)練，以提高對輕微骨痂形成和輕微錯位性骨折的識別能力。此外，還可以加強AI與醫(yī)師之間的協(xié)同診斷，以發(fā)揮各自的優(yōu)勢，提高整體診斷水平。

綜上所述，AI技術(shù)在肋骨骨折診斷中具有廣泛的應(yīng)用前景。通過進一步優(yōu)化算法、加強機器學(xué)習(xí)和驗證，以及與醫(yī)師的緊密協(xié)同，AI有望在未來的臨床實踐中發(fā)揮更大的作用，為患者提供更準(zhǔn)確、更高效的診斷服務(wù)。