人工智能辅助在提高CT 肋骨骨折检出率作用分析

张武平，王春风，王 琳，霍 权，林澍莘（通讯作者）

（1 北京中医药大学孙思邈医院＜铜川市中医医院＞ 陕西 铜川 727000）

（2 上海联影智能医疗科技有限公司 上海 200030）

肋骨骨折是胸部创伤常见类型之一，调研发现肋骨骨折约占全部胸部创伤的50%～80%[1]。肋骨骨折会破坏个体胸廓稳定性，导致个体呼吸活动度受限，尤其是部分合并呼吸系统疾患的高龄患者，会增加痰滞留和肺部感染的风险，因而需要及早实施治疗[2]。CT 检测是临床上常用的肋骨骨折诊断手段，但有研究指出，受拍摄角度、个体因素等影响，CT 诊断也存在漏诊误诊的可能[3]。本研究旨在分析人工智能辅助在提高CT 肋骨骨折检出率中的应用价值。

1 资料与方法

1.1 一般资料

选择2019 年7 月至2019 年8 月于我院接受治疗的85例疑似肋骨骨折患者为研究对象，纳入对象中男性46 例，女性39 例，年龄29 ～68 岁，平均年龄（50.18±3.11）岁。纳入标准：（1）均出现局部疼痛、呼吸活动度受限等典型肋骨骨折症状者；（2）意识清晰能够配合进行调研；（3）病历资料齐全；（4）调研报医院伦理学会批准实施；（5）患者或其家属签署知情同意书。

1.2 干预方法

入组患者首先接受CT 平扫，选择设备为美国GE64 排128 层螺旋CT，患者取仰卧位，将患者双侧1 ～12 肋设定为扫描范围，设置电压为120KV，电流100 ～300mA，层厚设置为5mm，采集数据录入CT 处理软件中进行图像重现，由两名高年资影像学医师进行结果判读；而后使用联影智能uAI-BoneCare 骨折辅助检测软件，进行AI 同步阅片，由同样两名医师进行双盲结果判读。

1.3 观察指标及评测标准

观察指标为CT 常规检测与人工智能辅助下CT 检测对肋骨骨折的诊断效果，以MRI 检测结果为金标准，分别计算两种检测方式的准确度、灵敏度、特异度、阳性预测值和阴性预测值，并实施组间差异性比较。

1.4 统计学方法

采用SPSS20.0 软件中进行统计学分析，计数资料采取[n（%）]表示，比较采用卡方检验，取P＜0.05 为差异具有统计学意义；

2 结果

2.1 单纯CT 对肋骨骨折诊断价值分析

单纯CT 检测诊断准确度为80.00%，灵敏度为80.28%，特异度为78.57%，阳性预测值95.00%，阴性预测值44.00%，如表1 所示。

单纯CT MRI 阳性（n=71） MRI 阴性（n=14）阳性（n=60） 57 3阴性（n=25） 14 11

2.2 人工智能辅助CT 对肋骨骨折诊断价值分析

人工智能辅助CT 检测准确度为95.29%，灵敏度为95.77%，特异度为92.86%，阳性预测值98.55%，阴性预测值81.25%，如表2 所示。

人工智能辅助CT MRI 阳性（n=71） MRI 阴性（n=14）阳性（n=69） 68 1阴性（n=16） 3 13

2.3 两种检测方式差异性比较

经比较显示，人工智能辅助CT 对肋骨骨折的诊断准确度、灵敏度、阴性预测值均明显高于单纯CT 检测，组间比较差异具有统计学意义（P＜0.05），如表3 所示。

阴性预测值单纯CT 80.00 80.28 78.57 95.00 44.00人工智能辅助CT组别 准确度 灵敏度 特异度 阳性预测值95.29 95.77 92.86 98.55 81.25 P ＜0.05 ＜0.05 ＞0.05 ＞0.05 ＜0.05

3 讨论

胸部外伤是继头部、四肢以外最为常见的外伤部位，约占胸部外伤的67%，是较为常见的胸部创伤类型之一。影像学检查是当前肋骨骨折最常用的诊断方式，但在临床实践中发现，常规CT 对肋骨骨折的诊断价值有限，误诊漏诊事件时有发生，影响了患者后续治疗的开展[4]，因而寻求一种更为准确灵敏的肋骨骨折诊断方式成为临床研究重点。

本研究组间比较显示人工智能辅助明显提高了CT 诊断的准确度、灵敏度和阴性预测值，提示人工智能辅助有效提高了CT 对肋骨骨折诊断价值。本文作者分析认为，由于肋骨具有较为特殊的解剖结构，常规的X 线检测空间分辨率较差，尤其是对于某些隐匿性肋骨骨折，容易出现漏诊，而常规CT 虽然能够排出重叠因素的干扰，较为清晰的显示骨折部位、骨折数量等，但普通CT 不擅长计算骨折数目和骨折部位的精准定位。而人工智能辅助系统的应用能够从多角度、多方位对疑似骨折部位进行研读，通过案例库的比较来辅助医师做出更为精准的判断，因而能够显著提高诊断有效率。

综上所述，人工智能辅助能够显著提高CT 对肋骨骨折的检出率，提高诊断的灵敏度和准确，值得进行临床推广应用。