Kunstig intelligens ved frakturdeteksjon: Har radiologiens nye paradigmeskifte startet?

Abstract

Forskningsspørsmål: Kunstig intelligens versus bildetolkende leger: kan KI oppnå like høy sensitivitet og spesifisitet som en bildetolkende lege ved granskning av distale radius- og scaphoidfrakturer?

Formål: Hensikten med oppgaven er å sammenlikne evnen til KI-algoritmer og ulike legegrupper som tolker bilder, når det kommer til å detektere frakturer i distale radius og scaphoid. De ulike legegruppene inkluderer radiologer, ortopeder, kirurger og en akuttmottakslege, som også har forskjellig års erfaring med å granske konvensjonelle røntgenbilder. Faktorene som undersøkes er sensitiviteten og spesifisiteten innenfor de to anatomiske områdene, der dette skal knyttes opp mot KI og de ulike yrkesgruppene.

Metode: For å besvare oppgavens forskningsspørsmål er det benyttet en kvalitativ litteraturstudie. Grunnlaget for oppgaven er ni studier som undersøker sensitiviteten og/eller spesifisiteten til KI og bildetolkende leger separat.

Resultat: Resultatene for sensitivitet og spesifisitet fra de ulike studiene er presentert i to tabeller, og verdiene er oppgitt i prosenter. Basert på disse verdiene er det mulig å observere både større og mindre forskjeller mellom KI-algoritmen og de bildetolkende legene. Det kan ses at KI presterer på et nivå som tilsvarer legene. I tillegg kan det ses en lavere evne til å detektere scaphoidfrakturer i forhold til distale radiusfrakturer, både hos KI og de bildetolkende legene.

Konklusjon: Oppgaven konkluderer med at KI har evne til å detektere og utelukke frakturer i distale radius og scaphoid, tilsvarende likt eller bedre enn de bildetolkende legene. I tillegg kan KI brukes som et verktøy for leger med mindre erfaring. Det trengs fortsatt mer forskning innen temaet.

Nøkkelord: Fraktur, Scaphoid, Distale Radius, Håndledd, Sensitivitet, Spesifisitet, Kunstig Intelligens, Radiolog, Ortoped, Kirurg, Akuttmottakslege, Konvensjonell Røntgen

Antall ord: 9719

Research topic: Artificial Intelligence versus image-interpreting physicians: can AI achieve the same sensitivity and specificity as an image-interpreting physician, during interpretation of distal radius and scaphoid fractures?

Purpose: The purpose of this thesis is to compare the ability of AI algorithms and different physician groups who interpret images, when detecting fractures located in the distal radius and scaphoid. The various groups of physicians include radiologists, orthopedics, surgeons and an ED physician, who all have differing years of experience regarding interpretation of conventional x-ray images. This thesis examines the factors of sensitivity and specificity, where these are compared within the two anatomical areas, between the various occupational groups and AI.

Method: To address the research topic, a literature study was conducted. A total of nine studies serves as the foundation for this thesis. These studies examine the sensitivity and/or specificity of AI and image-interpreting physicians separately.

Results: The results of the sensitivity and specificity from the various studies are presented in two tables, where the values are in percentages. Based on these values, it is possible to observe both major and minor differences between the AI-algorithms and the image-interpretating physicians. It can also be observed that AI performs at a level equivalent to the physicians. In addition, a lower ability to detect scaphoid fractures compared to distal radius fractures can be seen, for both the AI and the image- interpretating physicians.

Conclusion: This thesis concludes that AI is able to detect and rule out fractures within the distal radius and scaphoid, with an equivalent or greater ability than the image-interpretating physicians. Additionally, AI can be used as a tool to aid physicians with less experience. Further research is required on this subject.

Keywords: Fracture, Scaphoid, Distal Radius, Wrist, Sensitivity, Specificity, Artificial Intelligence, Radiologist, Orthopedic, Surgeon, ED physician, Conventional X-ray

Number of words: 9719