基于U-Net的膝关节X线片自动质控：双中心验证与临床干预探索
核心概要
该研究开发并双中心验证了一套基于U-Net的可解释AI框架，用于膝关节正位（AP）与侧位（LAT）X线片的自动质控，通过解剖分割与关键点定位生成质控指标，内部与外部验证的平均Dice系数分别为0.964与0.936，多数ICC超过0.90，质控敏感度介于91.67%至98.36%、特异度介于89.13%至99.10%；此外6名放射技师接受为期4周、覆盖474名患者948张X线片的AI反馈后，敏感度呈现探索性数值提升，效应量为0.30至0.73。
深度剖析
研究构建了可解释的AI质控框架，将解剖分割与关键点定位转化为膝关节AP与LAT片的质控指标。 相对于主要依赖主观、低效人工评估的现行质控方式，该工作把质控流程自动化并给出可解释的量化指标。 基于两个中心共800名患者的1600张成人单膝AP与LATX线片开发与验证，分割以Dice系数评估，内部与外部验证平均DSC分别为0.964与0.936。
框架在双中心验证中表现出较高的质控判别能力，多数一致性指标超过0.90。 现有自动化工具被认为缺乏充分的临床验证，而该研究提供了内部与外部两个队列的验证结果。 质控敏感度91.67%至98.36%、特异度89.13%至99.10%，多数ICC超过0.90；关键点定位以欧氏误差、归一化距离误差与正确关键点百分比评估，AP的PCK@20%为100.0%/99.4%，LAT为81.6%/61.8%（内部/外部）。
研究探索了AI反馈对放射技师质控表现的临床价值，反馈后敏感度出现探索性数值提升。 在模型验证之外，进一步考察了AI质控融入实际工作流程的潜在影响。 6名放射技师接受4周AI反馈，覆盖474名患者948张X线片，效应量为0.30至0.73；作者将其定位为探索性趋势，并指出需前瞻性对照研究进一步评估。
启示与展望
该框架面向成人单膝膝关节AP与LATX线片的自动质控场景，适用于具备双中心验证条件、希望以客观指标替代或补充人工质控的放射科工作流程；工作流程评估针对6名放射技师、474名患者948张X线片的4周AI反馈，属于探索性设置，其结论需在前瞻性对照研究中进一步确认。
外部验证中LAT的关键点定位误差高于AP、PCK@20%明显下降，提示不同中心与不同投照体位下的表现差异值得关注；AI反馈后的敏感度提升为探索性数值结果，效应量0.30至0.73，尚需前瞻性对照研究确认其稳健性；此外，本文为摘要级信息，具体分割与定位的实现细节、质控指标的阈值设定及反馈机制的操作方式仍需查阅原文图表与正文。