背景与目的肋骨骨折是临床中最为常见的胸部外伤,且及时准确的诊断对患者的后续临床治疗、法医鉴定、减少医疗纠纷方面都具有重要意义。随着影像检查技术的不断发展,多层螺旋CT检查已成为目前胸部外伤最为常见、最快速、简便且准确性最高的检查方法。由于多层螺旋CT检查肋骨时轴位图像数量巨大,三维成像图像不具备智能化处理能力,因此,诊断肋骨骨折工作量巨大,耗时长,易造成漏诊、误诊。近年来,人工智能技术在医学影像领域的研究发展迅速,应用范围也不断扩大,肋骨骨折因其诊断难度小但耗时长、漏误诊率高的特点成为很多人工智能公司研究的热点方向。本研究拟探讨人工智能(Artificial intelligence,AI)辅助检测技术在CT诊断肋骨骨折中的临床应用价值。方法本研究收集了 2018年1月至2020年1月在郑州大学第五附属医院医学影像科经16排螺旋CT检查的190例肋骨骨折阳性患者及74例肋骨骨折阴性患者的图像资料作为测试集数据,采用4种方法对全部入组病例资料进行阅片并记录诊断结果及阅片时间。方法A:使用上海联影智能医疗科技有限公司(以下简称:联影智能)的肋骨骨折辅助检测软件(uAI BoneCare)对所有图像资料进行阅片(以下简称:AI独立阅片);方法B:由医学影像科报告医生(主治医师)阅片(以下简称:医生独立阅片);方法C:由方法B医学影像科报告医生阅片后,审核医生对其结果进行审核(以下简称:医生+审核);方法D:由方法B报告医生结合肋骨骨折辅助检测软件的提示进行阅片(以下简称医生+AI)。分别记录4种阅片方式诊断肋骨骨折根数及方法B与方法D的阅片时间。以标准组结果为参考,分别计算对4种方式进行准确率、敏感性、特异性并进行对比分析,对方法B与方法D阅片时间进行比较。结果方法A(AI独立阅片)诊断肋骨骨折的准确率为94.3%、敏感性为80.5%、特异性为96.3%。方法B(医生独立阅片)诊断肋骨骨折的准确率为95.7%、敏感性为82.0%、特异性为97.7%。方法C(医生+审核)阅片诊断肋骨骨折的准确率为96.3%、敏感性为82.4%、特异性为98.3%。方法D(医生+AI)阅片诊断肋骨骨折的准确率为95.7%、敏感性为86.1%、特异性为97.1%。方法B(医生独立阅片)诊断肋骨骨折的平均时间为2.75分钟/例,方法D(医生+AI)阅片诊断肋骨骨折的平均时间为2.46分钟/例。结论人工智能辅助检测软件对胸部CT有较好的肋骨骨折检出能力,可达到近似影像科主治医师水平,作为辅助的诊断工具在日常工作中在减少漏诊、提高诊断效率方面可以发挥一定的作用。但是现阶段人工智能软件仍然有较高的漏诊率、误诊率,还需要我们结合易造成错误诊断的各种原因,对软件进行进一步训练、优化。