人工智能辅助诊断儿童发育性髋关节发育不良的临床应用

张思成 孙军 林昱东 袁亮 谢康 方继红 刘传斌 谢洪涛

发育性髋关节发育不良 ( developmental dysplasia of the hip，DDH ) 是婴幼儿最常见的骨骼疾病之一，全球发病率为 0.16%～2.85%[1]。诊断 DDH 的主要方法是体格检查、超声检查 ( 6 个月以下婴儿 ) 和骨盆前后位 X 线片[2]。对于 6 个月以上的儿童，最常用的检查是骨盆 X 线片[3]。X 线片上髋关节脱位的具体脱位程度通常是用 Tönnis 方法[4]和国际髋关节发育不良研究组织 ( International hip dysplasia institute，IHDI ) 分型进行确定[5]。判断髋关节髋臼发育情况最常用最重要的指标是髋臼指数，通过 Hilgenreiner 法测量[6-7]。诊断测量 DDH 骨盆前后位 X 线片的重复性差，存在较大的测量误差[8]，根据文献报道这种测量误差可以从 ±3.5°～±10° 不等[9-12]。这使许多患儿无法得到可靠的诊断和及时转诊[13]。 近年来，人工智能 ( AI ) 系统在用于图像识别、临床决策和广泛数据集分析等方面的性能已被证明与临床医生相当，甚至优于临床医生[14-16]。独立人工智能诊断医学影像仍然是一个有争议的话题，然而，许多临床医生认为，应用深度学习技术能为改善工作流程和提高劳动效率提供有效的工具[17-18]。

既往鲜有报道计算机辅助诊断 DDH 骨盆影像。 在本研究中，笔者使用临床医生标注的骨盆前后位 X 线片开发、训练和测试了一个计算机化的深度学习卷积神经网络模型。假设在髋关节脱位的判定和髋臼指数的测量中具有较高的准确性。

资料与方法

一、骨盆前后 X 线片

本研究为回顾性研究，并获得了本机构生物医学伦理委员会 ( 安徽省儿童医院医学研究伦理委员会 ) 的批准 ( 批准号：20190021 )；……