基于深度学习的儿童骨龄智能评估模型构建及初步临床验证

构建基于深度学习的儿童骨龄人工智能(AI)评估模型,并进行初步的临床验证.方法回顾性连续纳入2018年3月至8月无锡市儿童医院儿童骨龄DR片5000例,按年龄段等比例采样原则训练集纳入2351例,验证集101例.由4名放射学专家采用中华05RUS-CHN法,双盲评估关键骨骺发育等级,取专家骨龄评测的均值为参考金标准.采用深度学习方法训练并建立骨龄评估AI模型,另选2名儿童影像住院医师人工测评验证集骨龄,作为临床验证对照组.计算AI模型和2名住院医师骨龄测评的准确率、平均绝对误差(MAE)、均方根误差(RMSE)及耗时,并采用配对t检验和F检验及χ^2检验比较.结果AI模型与参考金标准之间的MAE为(0.37±0.35)年,RSME为0.50年,完成1份骨龄评价报告用时(4.58±0.91)s.2名住院医师和AI模型评价的MAE、RSME差异均无统计学意义(P>0.05),评价用时明显长于AI,差异有统计学意义(P<0.05).当误差范围在±1.0岁、±0.7岁及±0.5岁以内,AI模型评价验证集准确率分别为94.1%(95/101)、89.1%(90/101)和74.3%(75/101),AI评测骨龄与2名医师之间的准确率差异均无统计学意义(P>0.05).结论构建的基于深度学习的儿童骨龄评估AI模型具有可行性,并具有准确性高以及耗时短的特点.