Nowa przestrzeń pracy dla radiologów.Poznaj RAI Health Pro ↗
RAI Health

Wybierz język

Zaloguj sięUtwórz konto ↗

Strony informacyjne, rejestracja, logowanie i przewodnik są dostępne po polsku. Obsługa języków w przestrzeni klinicznej, raportach AI i rozpoznawaniu mowy jest określana oddzielnie.

RAI HEALTH JOURNAL

AI wykrywająca złamania na RTG: od trafności odczytu do korzyści klinicznej

AI może zaznaczać obszary podejrzane o złamanie na RTG, wspierając personel medyczny. Lepsza trafność w badaniu odczytu obrazów sama nie dowodzi poprawy wyników leczenia w pomocy doraźnej. Zakres zastosowania, ostateczna ocena radiologiczna i rzeczywiste wyniki działania placówki wymagają osobnej oceny.

← Wszystkie artykuły

Data tłumaczenia ·

RAI HealthRadiologia
Cyfrowy detektor i anatomiczny model kości ręki oraz przedramienia na pustym stole rentgenowskim.

Boneview Antrim Area Hospital 12/11/25

Department of Health Northern Ireland · · Źródło

Anglojęzyczny film Departamentu Zdrowia Irlandii Północnej z 13 listopada 2025 roku przedstawia wdrożenie Boneview w Antrim Area Hospital. Materiał informacyjny instytucji jest odrębny od opisanego badania odczytu z 2024 roku i nie jest przedstawiany jako niezależne porównawcze badanie skuteczności.

Otwarcie wideo łączy urządzenie z Vimeo. Dostawca może otrzymać adres IP i informacje o urządzeniu oraz używać plików cookie. Wideo nie uruchamia się automatycznie.

Na jakie pytanie odpowiada oznaczenie AI?

Oprogramowanie wykrywające złamania wskazuje, że obszar obrazu może być podejrzany. Nie uzupełnia automatycznie wywiadu, badania pacjenta ani oceny wszystkich zmian radiologicznych. NICE traktuje te narzędzia jako wsparcie standardowej opieki, a nie zastępstwo ostatecznej oceny radiologicznej.

Co sprawdzono w badaniu odczytu z 2024 roku?

Zech i współpracownicy ocenili radiogramy kończyn górnych 240 dzieci i młodych dorosłych z jednego szpitala. Siedmioro lekarzy odczytało te same przypadki bez AI, a po 3–4 tygodniach ze wsparciem AI. U rezydentów radiologii AUC wzrosło z 0,768 do 0,876. AUC mierzy rozróżnianie przypadków ze złamaniem i bez złamania przy różnych progach decyzyjnych; nie jest odsetkiem prawidłowych rozpoznań.

Dlaczego wyniku nie można uogólnić na każdy oddział ratunkowy?

Poprawa AUC u specjalistów radiologii mięśniowo-szkieletowej nie była istotna statystycznie. Powtórny odczyt tych samych przypadków w stałej kolejności i próba z jednego ośrodka ograniczają interpretację. Nie było to badanie wyników leczenia wykazujące mniej powikłań lub ponownych zgłoszeń w rzeczywistej pomocy doraźnej.

Jakie warunki obejmuje zalecenie NICE?

NICE HTG739 dopuszcza jako opcję użycie czterech określonych technologii w NHS w okresie gromadzenia dodatkowych dowodów, pod warunkiem spełnienia odpowiednich wymogów regulacyjnych. Nie jest to dopuszczenie wszystkich systemów AI do wykrywania złamań. Wytyczne wskazują luki w dowodach dotyczących decyzji terapeutycznych, skutków przeoczonych złamań, skierowań i awarii oprogramowania.

Co monitorować w lokalnej ocenie?

Nasz wniosek redakcyjny: placówki powinny określić odczyt obrazu przed obejrzeniem wyniku AI, sposób rozstrzygania rozbieżności i odpowiedzialność za ostateczny opis. Należy sprawdzić zakres wieku, okolic ciała i zmian niezwiązanych ze złamaniami oraz monitorować fałszywe alarmy, dodatkowe obrazowanie i ponowne wezwania. Artykuł nie zawiera indywidualnych zaleceń leczenia ani nie dowodzi skuteczności produktów RAI.

Źródła

  1. Zech et al. — Artificial intelligence improves resident detection of pediatric and young adult upper extremity fractures (Skeletal Radiology, 2024) ↗
    Dostęp: 2026-11-03
  2. NICE HTG739 — Artificial intelligence (AI) technologies to help detect fractures on X-rays in urgent care: early value assessment — Recommendations ↗
    Dostęp: 2026-11-03

Artykuł ma charakter edukacyjny i informacyjny. Przywołanie organizacji nie oznacza jej poparcia dla RAI Health Pro ani nie potwierdza skuteczności klinicznej produktu lub modelu.

Skup się na obrazie.

Utwórz konto ↗