影像人工智能检测和分期股骨头坏死的应用与性能：系统评价与荟萃分析
Applications and performance of imaging artificial intelligence in detecting and staging avascular necrosis of the femoral head: a systematic review and meta-analysis.
PubMed 文献 · Skeletal Radiol · 2026-10-04
本研究系统评价了影像人工智能模型诊断股骨头坏死的准确性。纳入9项研究进行荟萃分析，AI检测股骨头坏死的合并敏感度为0.888，特异度为0.937，SROC AUC为0.967。基于MRI的AI模型敏感度显著高于基于X线平片的模型，但现有研究存在偏倚风险和外部验证不足，临床应用前需开展前瞻性多中心验证。
要点
- 影像AI检测股骨头坏死的合并敏感度0.888，特异度0.937，AUC为0.967
- 基于MRI的AI模型敏感度显著高于基于X线平片的模型(p=0.027)
- 现有研究存在偏倚风险、异质性大且外部验证不足，临床应用需谨慎
核心结论
- 影像AI模型在研究数据集中显示出检测股骨头坏死的良好准确性，但偏倚风险、研究间异质性和外部验证有限限制了对其临床适用性的信心
- 常规临床应用前需要进行前瞻性、多中心验证和临床获益评估
研究设计与样本
- 系统评价与荟萃分析，遵循PRISMA-DTA指南，检索4个主要数据库
- 9项研究的估计值纳入股骨头坏死二元检测的主要分析
- 仅5项研究提供外部测试集估计值纳入主要分析
- 采用QUADAS-2标准评估研究质量，使用双变量随机效应模型合并敏感度和特异度
诊断标准与关键数值
- AI检测股骨头坏死的合并敏感度为0.888(95% CI, 0.789-0.944)，特异度为0.937(95% CI, 0.906-0.958)
- SROC AUC为0.967
- 基于MRI的AI模型敏感度在研究水平比较中显著高于基于X线平片的模型(p=0.027)
- 按疾病分期关注点和验证策略分组未发现显著差异(所有p>0.05)
临床应用与阅片要点
- MRI作为成像方式时AI模型表现更优，建议优先选择MRI影像进行AI辅助诊断
- AI模型在疾病不同分期的诊断性能差异不显著，可用于各期股骨头坏死检测
- 目前AI模型外部验证数据有限，实际应用时需结合临床和影像综合判断
局限性
- 纳入研究存在偏倚风险
- 研究间异质性较大
- 外部测试集验证有限，仅5项研究提供外部验证数据
- 亚组比较的精确度受限
以上解读依据论文摘要（全文未开放获取或许可不允许翻译转载）。
引用
- Mirghaderi, Eshraghi, Kim, et al. Applications and performance of imaging artificial intelligence in detecting and staging avascular necrosis of the femoral head: a systematic review and meta-analysis. Skeletal Radiol. 2026. PMID: 42829377. doi:10.1007/s00256-026-05376-z
供执业医师工作参考，不替代临床判断；数值与分级以指南原文为准。