首页 > 论文范文 > 医药卫生论文 > 急诊科论文 > 急诊治疗论文 > 人工智能在急诊胸部CT检查诊断肋骨骨折中的临床价值

人工智能在急诊胸部CT检查诊断肋骨骨折中的临床价值

2025-03-26 127 上传者：管理员

摘要：目的：肋骨骨折是常见的急诊病例之一，传统的诊断方法存在一定的局限性。人工智能（AI）作为新兴技术，在医学影像诊断中发挥了重要作用。本研究旨在探讨人工智能在急诊肋骨骨折诊断中的临床价值。方法：收集293例前海人寿广州总医院2023年1月-2024年3月进行急诊胸部CT检查发现肋骨骨折的病人。将所有病人分两次进行阅片，一次使用人工智能系统进行影像分析，一次使用三名高年资医生进行轮流阅片，将人工智能与医生的结果进行灵敏度、阅片时间对比。结果：人工智能诊断灵敏度95.1%，其中错位性骨折灵敏度99.14%，不完全性骨折灵敏度93.59%；人工智能阅片时间（40.23±20.05）s。医生阅片诊断灵敏度78.7%，其中错位性骨折灵敏度94.44%，不完全性骨折灵敏度73.9%；医生阅片时间（124.59±25.87）s。人工智能系统在诊断肋骨骨折方面表现出的灵敏度明显较医生组高，且在阅片时间上明显较医生组短。与传统的诊断方法相比，人工智能系统能够更快速、更准确地识别肋骨骨折，并降低漏诊率。结论：人工智能在急诊胸部CT检查诊断肋骨骨折中具有重要的临床价值，能够提高诊断的准确性和效率，为患者提供更快速的诊断和治疗。

关键词：
人工智能
急诊
急诊病例
肋骨骨折
胸部CT
加入收藏

肋骨骨折是常见的急诊病例,严重肋骨骨折可能导致肋骨碎片穿刺肺部､心脏､肝脏等器官,引起内部出血､气胸､气腹等情况,对患者的及时诊断与治疗至关重要[1]｡急诊胸部CT检查在肋骨骨折的诊断中起到了重要的作用,CT检查可以显示骨折的类型､位置和数量,有助于评估骨折的程度和可能的并发症,提供全面的信息,帮助医生准确评估伤情,并为治疗提供指导[2]｡但是传统诊断方法存在误诊率､漏诊率较高以及耗时耗力等问题｡

医学影像是医生进行诊断和治疗决策的重要工具,包括X射线､CT扫描､MRI等多种影像技术｡然而,传统的诊断方法主要依靠医生观察影像特征进行判断,但由于肋骨骨折的多样性和特殊性,医生的经验和视觉判断存在一定的局限性｡人工智能在医学影像领域的应用已经展现出巨大的潜力,并在许多方面取得了显著的进展[3]｡随着人工智能技术的发展,人工智能系统在医学影像诊断中的应用逐渐增多,已经有越来越多的医院引进人工智能系统辅助医生进行诊断,人工智能系统通过大数据训练,能够更快速､更准确地识别肋骨骨折,提高诊断的准确性和效率｡与传统的诊断方法相比,人工智能系统能够更快速地识别肋骨骨折,并减少漏诊率[4]｡肋骨骨折的及时诊断对于患者的治疗和康复非常重要,人工智能系统的快速诊断能够节约诊断时间,减少患者就医过程中的等待时间,让临床为急诊病人提供更快速的诊断和治疗,提高医疗效率[5]｡因此,引入人工智能系统进行辅助诊断,对肋骨骨折病人具有重要的临床意义及应用前景｡

1、资料与方法

1.1一般资料

收集前海人寿广州总医院2023年1月-2024年3月进行急诊胸部CT检查发现肋骨骨折的病人,总共293例;男性178(60.8%)例,女性115(39.2%)例;年龄为18~78岁,平均年龄(46.52±16.54)岁｡纳入标准:①因外伤进行急性胸部CT检查后有明确的肋骨新鲜骨折;②图像质量符合诊断标准｡排除标准:①陈旧性肋骨骨折;②图像存在影响诊断的伪影,如呼吸运动､金属伪影等;③无除肋骨骨折外的其他肋骨病变｡

1.2方法

1.2.1胸部CT检查

应用AQUILIONETSX-301C640层CT(日本佳能医疗)､OPTIMACT670128层CT(北京GE)对患者进行检查｡扫描参数:AQUILIONETSX-301C管电压120kV,管电流320mA,层厚1.0mm,矩阵512×512;OPTIMACT670管电压120kV,管电流380mA,层厚1.25mm,矩阵512×512｡扫描时患者采取仰卧位､头先进､双臂上举,吸气后从肺尖至双侧第十二肋游离缘,由上而下进行连续扫描,需包括全部肋骨｡

1.2.2人工智能软件

本研究使用的人工智能软件是由北京树坤科技有限公司开发的小天使人工智能软件(版本号:V6.21.924.9),该软件可对肋骨进行MPR､CPR､VR重建,标记肋骨骨折数量､位置并自动生成影像报告｡将图像上传人工智能软件系统后记录软件阅片时间､诊断骨折数量､骨折部位及类型｡

1.2.3医生阅片

选择3名工作时间超过5年的医生分别进行阅片,并分别在图像上标记病人骨折位置､骨折类型,记录医生阅片时间｡同一病人阅片时间取3位医生平均值,取2/3以上医生诊断一致为诊断结果｡为避免疲劳影响诊断结果,医生平均每天阅片10人次｡

1.2.4骨折诊断标准

回顾的293例病人均由三位高年资医生阅片(影像工作经验10年以上的医生),独立对肋骨骨折进行诊断,标记出所有骨折部位､类型,统计骨折数量,以2位及以上医生同一结果作为肋骨骨折诊断标准｡

1.2.5骨折类型

错位性骨折:骨折两端不再保持正常的对齐,在CT上可以看到骨折断端移位､旋转或错位｡不完全性骨折:骨骼未完全断裂而保持部分连续性,CT表现为骨皮质局部不连续､凹陷､扭曲､变形｡

1.2.6统计学方法

采用IBMSPSS26统计软件,采用配对t检验人工智能软件和医生阅片时间的差异,人工智能软件和医生阅片灵敏度比较采用χ2检验,以P0.05为差异有统计学意义｡

2、结果

2.1骨折标准结果

本次回顾的293例病人中共标记出878处肋骨骨折为诊断标准,其中错位性骨折234处,不完全性骨折640处｡

2.2人工智能诊断骨折情况

人工智能共诊断出骨折835处,漏诊43处;其中错位性骨折诊断出232处,漏诊2处;不完全性骨折诊断出599处,漏诊41处;诊断灵敏度95.1%,其中错位性骨折灵敏度99.14%,不完全性骨折灵敏度93.59%;人工智能阅片时间为(40.23±20.05)s｡

2.3医生阅片结果

医生共诊断出骨折691处,漏诊187处;其中错位性骨折诊断出221处,漏诊13处;不完全性骨折诊断出473处,漏诊167处;诊断灵敏度78.7%,其中错位性骨折灵敏度94.44%,不完全性骨折灵敏度73.9%;医生阅片时间为(124.59±25.87)s｡

2.4人工智能诊断与医生阅片结果比较

人工智能阅片时间[(40.23±20.05)s]明显短于医生阅片时间[(124.59±25.87)s](t=44.62,P<0.05)｡人工智能诊断肋骨骨折数的灵敏度(95.1%)明显高于医生阅片诊断肋骨骨折数的灵敏度(78.7%)(χ2=87.54,P<0.05),尤其是对不完全性骨折,人工智能相比于医生阅片在诊断灵敏度上具有明显的优势｡

表1人工智能与医生阅片诊断肋骨骨折灵敏度与阅片时间比较

表2人工智能与医生阅片诊断肋骨骨折数比较

3、讨论

肋骨骨折是胸部创伤中较为常见的一种损伤类型｡在胸部创伤中,肋骨骨折的发生率较高,尤其在交通事故､跌倒､暴力袭击等事件中更为常见｡根据损伤程度和骨折类型,肋骨骨折可分为错位性骨折､不完全性骨折等｡肋骨骨折的临床表现主要包括局部疼痛､肿胀､瘀血､呼吸困难等,疼痛程度因骨折程度和个体差异而异,严重骨折可能导致胸壁畸形､反常呼吸运动等｡肋骨骨折的并发症主要包括肺炎､肺不张､胸腔积液等,预防并发症的关键是早期发现并处理胸腔内合并损伤,及时进行相应治疗[6-7]｡诊断肋骨骨折的诊断主要依赖X光､CT检查[8]｡X线检查操作简便,检查速度快,应用较为广泛,但是由于是重叠影像,还受投照条件､投照位置等影响,导致诊断困难,骨折漏诊率较高｡有研究证实超过50%的肋骨骨折会在X线诊断中被漏掉,且其对软组织损伤和胸腔内器官损伤的诊断能力有限｡螺旋CT分辨率高,明显提高了肋骨骨折的检出率[9],还可以进行三维重建,更直观地显示骨折部位､类型和程度｡除了诊断骨折外,还可以提供胸腔内合并损伤的情况,如肺损伤､心脏大血管损伤等｡然而在实际工作中发现,想在几百张薄层CT上发现全部的肋骨骨折非常费时､费力,漏诊､误诊的情况并不少见,有报道称CT的漏诊率达20%以上[10],尤其是对于不完全性的骨折,漏诊率更高｡同时,肋骨骨折的误诊､漏诊已经成为影像科医生平时工作中医疗纠纷的常见情况[11]｡

人工智能系统通过大量的医学影像数据进行训练,以提高对肋骨骨折的识别能力｡在人工智能系统中,合理的数据预处理有助于提高模型的准确性和稳定性｡人工智能系统可以提取影像中的特征信息,并通过算法进行分析和学习｡通过对比和分析不同病例的影像特征,能够识别出肋骨骨折的特征模式,从而进行准确诊断[12]｡

本研究发现,人工智能在诊断肋骨骨折方面的准确率达到95%以上,而医生的准确率只有79%左右｡特别是对不完全性骨折的诊断,人工智能的检出率93.59%更是明显领先于医生阅片的73.9%｡对于错位性骨折人工智能与医生阅片相差不大,都有比较高的检出率｡传统的肋骨骨折诊断通常需要医生花费较长的时间来进行影像分析和判断｡而人工智能系统可以在短时间内对大量的影像数据进行分析,快速生成诊断结果｡本次研究还发现,人工智能的阅片时间[(40.23±20.05)s]比医生的阅片时间[(124.59±25.87)s]快了3倍左右,而且人工智能可以长时间工作,不会疲劳,不会因为长时间的工作而降低效率及提高出错率｡随着医疗技术的不断发展,影像科在临床诊疗中的地位日益重要,影像科工作量逐年增加,特别是在三级医院,工作量较大｡CT､MRI等高端影像设备的检查量增长迅速,使得影像科医生工作压力大､工作时间长｡而创伤急诊病人往往检查部位较多,病情较复杂,应用人工智能系统,可以减少医生在肋骨骨折上的关注时间,提高医生的工作效率,减轻其工作负担,还可以为急诊病人缩短检查时间｡同时,人工智能系统能够提高肋骨骨折的诊断准确性,有助于提供更准确的诊断结果,从而更快速地为患者诊断和治疗[13]｡

然而,人工智能系统在急诊肋骨骨折诊断中仍存在一些挑战和限制｡首先,人工智能系统的准确性和稳定性需要进一步提高,尤其是在面对复杂的病例时,肋骨骨折的诊断往往受到影像质量､骨骼结构的复杂性以及图像解释的主观因素影响｡因此,为了提高准确性,需要进一步研究和改进人工智能算法,并结合医生的临床经验进行综合判断和决策｡此外,人工智能系统的安全性和隐私保护也是需要重视的问题｡未来,随着更多数据的收集和人工智能技术的发展,肋骨骨折诊断的准确性可能会得到进一步提高｡人工智能算法可以更好地识别和解释不同类型的骨折,并通过与医生的合作来提供更精确的诊断结果｡

4、结论

综上所述,人工智能在急诊胸部CT检查诊断肋骨骨折方面表现出较高的灵敏度,并且显著缩短了阅片时间｡与传统诊断方法相比,人工智能系统能够更准确地识别肋骨骨折,有效降低漏诊率,从而提高诊断的准确性和效率｡这为患者提供了更快速的诊断和治疗,有助于改善急诊肋骨骨折患者的医疗体验｡然而,本研究仍存在一定的局限性,例如样本量相对较小､未考虑不同医院或设备间的差异等｡未来研究可以进一步扩大样本量,并考虑更多影响因素,以更全面地评估人工智能在急诊肋骨骨折诊断中的临床价值｡

参考文献:

[1]张涛,王淑文,吴婧,等.基于斜横断位重建的多层螺旋CT诊断不全性肋骨骨折层厚的研究[J].医学影像学杂志,2022,32(9):1555-1558.

[2]阚建明.胸部CT与X线检查诊断胸部闭合性损伤的价值及准确率研究[J].影像研究与医学应用,2022,6(19):95-97.

[3]曲雅楠.人工智能在医学影像诊断中的应用[J].世界复合医学,2022,8(11):194-198.

[4]刘想,谢辉辉,许玉峰,等.人工智能在胸部创伤肋骨骨折CT诊断中应用的初步研究[J].上海交通大学学报(医学版),2021,41(7):920-925.

[5]朱雅茹,祁良,徐磊,等.人工智能软件辅助诊断新鲜肋骨骨折的效能评估[J].南京医科大学学报(自然科学版),2022,42(2):227-232.

[8]张玉霖,敖平,朱丽,等.基于多层螺旋CT对康北地区藏族人群叉状肋骨的研究[J].局解手术学杂志,2024,33(5):404-407.

[9]韦成相.多层螺旋CT三维重建在外伤性肋骨骨折诊断中的应用价值[J].中国医药指南,2023,21(32):64-66.

[10]刘想,谢辉辉,许玉峰,等.人工智能对提高放射科住院医生诊断胸部肋骨骨折一致性的价值[J].北京大学学报(医学版),2023,55(4):670-675.

[11]李星宇,雷禹,黄晓旗,等.基于AI与人工阅片对肋骨骨折性质诊断价值的比较[J].中国医疗设备,2022,37(8):32-36.

[12]徐传冰,张琪,赵佳,等.人工智能全自动肋骨骨折检测系统诊断效能研究[J].电子元器件与信息技术,2022,6(2):204-206.

[13]白岩,蔡显圣,张传臣,等.人工智能在肋骨骨折诊断中应用价值[J].中华实用诊断与治疗杂志,2023,37(10):1020-1024.