髋关节关键角度人工智能测量对成人发育性髋关节发育不良的辅助诊断作用

来源：中华骨科杂志2024年第22期北京时间：

作者：李瑞欣,王肖,张蓓蓓,李天然,刘晓鸣,隋琪瑞,李文华

单位：中国人民解放军总医院第一附属医院,中国人民解放军总医院第一附属医院,中国人民解放军总医院第一附属医院,中国人民解放军总医院第一附属医院,北京联影智能影像技术研究院,中国人民解放军总医院第一附属医院,中国人民解放军总医院第一附属医院

摘要：目的 探讨人工智能（artificial intelligence，AI）模型在骨盆X线片上测量髋关节关键角的准确性，并评价AI模型对成人发育性髋关节发育不良（developmental dysplasia of the hip，DDH）和临界型DDH（borderline developmental dysplasia of the hip，BDDH）的诊断效能。方法 回顾性分析来源于解放军总医院第四医学中心放射科1 029例可疑DDH患者的病历资料，男273例、女756例，年龄（57.01±18.16）岁（范围12~88岁）。随机分配到训练集720例、测试集206例和验证集103例。由两名放射科医生在骨盆正位X线片上确定并标记髋关节关键解剖点，应用训练集进行深度学习，构建定位髋关节关键解剖点的AI模型，AI模型基于髋关节关键解剖点自动测量并计算Sharp角、Tönnis角和中心边缘（center-edge angle，CE）角。将放射科医生测量结果与AI模型自动测量结果进行比较，用于评估AI模型对测试集测量结果的准确性。验证集用于优化模型参数，测试集用于评估DDH的诊断性能。绘制受试者工作特征（receiver operating characteristic curve，ROC）曲线，计算ROC曲线下面积（area under roc curve, AUC）评价AI模型对DDH和BDDH的诊断效能。结果 AI模型测量髋关节左侧Sharp角、Tönnis角及CE角诊断DDH的准确率分别为89.8%、86.8%、90.1%，右侧的准确率为93.7%、80.5%、92.2%，人工测量平均值和AI模型测量的Sharp角、Tönnis角和CE角的差异均无统计学意义（ >0.05）。AI模型与人工测量Sharp角、Tönnis角和CE角的相关性检验及一致性分析结果显示 值及组内相关系数（intraclass correlation coefficient，ICC）均>0.75。AI模型测量用时（1.7±0.1） s，较放射科医生人工测量用时的（88.1±8.4） s和（90.3±7.4） s更短（ 0.800。 结论 基于深度学习的卷积神经网络AI模型可以实现自动测量Sharp角、Tönnis角和CE角，辅助诊断DDH和BDDH具有较高的诊断效能。

关键词：发育性髋关节发育不良;骨盆;放射摄影术;人工智能;深度学习