骨关节炎（OA）是一种常见的慢性关节疾病，主要影响中老年人群，导致关节疼痛和功能障碍。随着全球人口老龄化，OA的发病率呈上升趋势，早期检测和准确诊断变得尤为重要。近年来，人工智能（AI）技术在医学影像分析中的应用逐渐增多，特别是在OA的检测和分类方面，AI算法显示出显著的潜力。然而，关于AI算法诊断性能的研究较为分散，且与临床医生的表现比较研究较少。为此，本研究旨在通过系统回顾和荟萃分析，汇总AI算法在OA检测中的诊断性能数据，并与临床医生的表现进行比较，以评估AI在OA诊断中的实际应用价值。

本研究通过系统检索PubMed和Scopus数据库，查找截至2022年4月发布的评估和/或验证AI算法用于OA检测或分类的研究。纳入能提供足够数据的研究以进行诊断性能指标的荟萃分析。研究主要关注AI算法在内部验证和外部验证测试集上的敏感性和特异性。为了寻找潜在的异质性来源，研究还进行了基于受累关节的亚组分析和基于多种参数的meta回归分析。研究采用预测模型研究风险偏倚评估工具（Prediction Model Study Risk of Bias Assessment Tool）报告指南评估偏倚风险。

结果显示，在纳入的61项研究中，有27项研究的91个列联表提供了足够的数据进入荟萃分析。AI算法在内部验证测试集上的汇总敏感性为88%（95%置信区间[CI]：86, 91），汇总特异性为81%（95% CI：75, 85）；临床医生在内部验证测试集上的汇总敏感性为80%（95% CI：68, 88），汇总特异性为79%（95% CI：70, 85）。在外部验证中，AI算法的汇总敏感性为94%（95% CI：90, 97），汇总特异性为91%（95% CI：77, 97）。此外，研究发现AI算法在不同的关节部位（如膝关节和髋关节）上的诊断性能存在一定差异，膝关节OA检测的汇总敏感性和特异性均高于髋关节。这表明AI算法在不同部位的应用效果可能存在差异，需要进一步研究以优化特定关节部位的AI检测模型。

人工智能在骨关节炎检测中的应用系统回顾和荟萃分析中的研究筛选流程图

总之，本研究通过系统回顾和荟萃分析，证实了AI算法在骨关节炎检测中的出色诊断性能。虽然纳入研究中可能存在一些偏倚，但总体结果表明，AI作为放射科医生的诊断辅助工具具有巨大潜力。AI算法在外部验证中的高敏感性和特异性，特别是在膝关节OA检测中的优异表现，进一步支持了其在临床实践中的应用前景。未来研究应继续优化AI算法，减少异质性，提高在不同关节部位和不同人群中的适用性，并进一步验证其在实际临床环境中的效用。

原始出处：

Artificial intelligence in osteoarthritis detection: A systematic review and meta-analysis. Osteoarthritis Cartilage. 2024 Mar;32(3):241-253. doi: 10.1016/j.joca.2023.09.011. Epub 2023 Oct 18. PMID: 37863421.

Tags： Osteoarthritis Cartilage：AI算法在诊断骨关节炎方面的表现能否与临床医生相媲美？