关键词:
深度算法
高频肌骨超声
痛风性关节炎
掌指关节病变
人工智能
摘要:
目的利用深度算法构建高频肌骨超声诊断痛风性关节炎掌指关节病变的人工智能系统,并验证该系统的诊断效能。方法回顾性收集2017年2月至2023年12月在该院行超声检查的410例痛风性关节炎患者的手部高频肌骨超声图像,并按照7∶3的比例将其分为训练集(n=287)和验证集(n=123)。利用深度算法构建诊断痛风性关节炎掌指关节病变的人工智能系统,应用训练集进行深度算法训练。以掌指关节滑液偏振光检查阳性为判断标准,比较低资历、高资历超声医生与人工智能系统对验证集痛风性关节炎掌指关节病变的诊断效能。结果410例痛风性关节炎患者中有343例存在掌指关节病变,发生率为83.66%。人工智能系统诊断验证集患者掌指关节病变的灵敏度、特异度、准确度、受试者工作特征曲线下面积(AUC)分别为85.29%、85.71%、85.37%、0.855。高资历超声医生诊断验证集患者掌指关节病变的灵敏度、准确度均高于低资历超声医生,差异均有统计学意义(P<0.05)。人工智能系统诊断验证集患者掌指关节病变的灵敏度、准确度均高于低资历超声医生,准确度低于高资历超声医生,差异均有统计学意义(P<0.05),灵敏度与高资历超声医生比较,差异无统计学意义(P>0.05)。结论利用深度算法构建的人工智能系统对患者中痛风性关节炎高频肌骨超声图像中掌指关节病变的诊断效能良好,且相较于低资历超声医生的诊断价值更高。