三种先进深度学习骨龄估计模型与大规模现代儿科队列中的实际年龄之间的协议

背景：放射学骨龄估计通常用于儿童，以评估矮小、早期或晚期青春期以及内分泌疾病，以及外科手术计划。目的：评估三种先进深度学习骨龄估计模型与大规模现代儿科队列中的实际年龄之间的协议。材料与方法：我们回顾性确定了一个大型现代儿童队列（n=7,189；3,669名女性和3,520名男性），年龄在24-216个月之间（平均143.6±46.2个月），这些儿童在2010年11月1日至2020年10月31日期间接受了连续的放射学正常手（包括手腕）X光评估。根据Greulich和Pyle（GP）Atlas标准，采用三种先进的深度学习模型（斯坦福大学、辛辛那提儿童医院医疗中心（CCHMC）和MedImageInsight模型）进行骨龄估计，每种模型均以月为单位给出连续的骨龄估计。评估了与实际年龄相关的均值和比例偏差。结果：所有三种模型系统性地高估了实际年龄，尽管偏差的幅度因模型和性别而异。CCHMC模型显示出整体均值偏差最小（+3.20个月），其次是MedImageInsight（+4.60个月）和斯坦福（+7.03个月）模型。与实际年龄的均值差异在所有模型中均具有统计显著性（P<0.0001）。大多数模型和子组中观察到比例偏差的证据。在所有三种模型中，预测的骨龄与实际年龄之间的差异在黑人儿童中大于白人和西班牙裔与非西班牙裔儿童的差异。结论：基于GP Atlas的骨龄模型在经历外伤的儿童中系统性地高估了实际年龄，偏差与年龄、性别、种族和民族相关。