一项新的研究发现，能够“阅读”电子放射学报告并标记有骨质疏松症风险的骨折患者的人工智能，胜过了传统的医疗专业人员阅读X射线报告的人工方法。结果被内分泌学会年会ENDO 2020接受，并将发表在《内分泌学会杂志》的特别增刊中。
澳大利亚研究人员称，这种新的搜索工具称为X射线人工智能工具(XRAIT)，与手动方法相比，在X射线和计算机断层扫描(CT)报告中发现的主要骨折或骨折的几率要高出将近五倍。 。
“通过XRAIT，可以优化有限的医疗保健资源来管理被识别为有风险的患者，而不是将其用于识别过程本身，” FRACP中心负责人Jacqueline Center，MBBS博士说。澳大利亚悉尼加万医学研究所临床研究和流行病学实验室。“通过改善对需要骨质疏松症治疗或预防的患者的识别，XRAIT可以帮助降低再次骨折的风险以及骨质疏松症的整体疾病负担和死亡负担。”
根据激素健康网络的数据，约有4400万美国人(主要是女性)有患骨弱化疾病骨质疏松症的风险，并且由于骨量低而骨折的风险增加。国家骨质疏松基金会报告说，在美国，每10名患有骨折的老年妇女中就有2名接受骨质疏松症的检查或治疗。
尽管许多医院已经实施了骨折联络服务，以识别可能是由于骨质疏松症引起的骨折的患者，但中心表示，手动读取转诊患者的放射学记录会错过一些有骨质疏松症风险的人，或者发现他们的速度太慢。
XRAIT使用自然语言处理软件来加速“理解”人类语言的过程。在本研究中，XRAIT从50岁以上的患者中检索了5,089份数字放射学报告，这些患者去了医院的急诊科并进行了三个月以上的骨成像检查。研究人员由澳大利亚兰德威克威尔斯亲王医院的MBBS博士，FRACP高级作者克里斯托弗·怀特(Christopher White)领导，他们将XRAIT的结果与对医院骨折联络所涉及的224例患者的记录进行了人工检查进行了比较同期服务。XRAIT能够检测到349名可能由于骨量低而导致的骨折的人，相比之下，通过手工方法确定的是98人，发现率高出三倍。
接下来，研究人员在Dubbo骨质疏松症流行病学研究的另一位60岁以上的澳大利亚成年人的数字化放射学报告中测试了XRAIT。Center说，从327份已知的已知骨折和非骨折报告中，XRAIT可以准确地识别出近10次中的7次骨折，并正确筛查没有骨折的患者超过10次中的9次。她说，这一发现表明其他医院也可以轻松使用XRAIT。
标签：X射线识别
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。