RESUMO
Objective: To describe the accuracy of HealthVCF, a software product that uses artificial intelligence, in the detection of incidental moderate-to-severe vertebral compression fractures (VCFs) on chest and abdominal computed tomography scans. Materials and Methods: We included a consecutive sample of 899 chest and abdominal computed tomography scans of patients 51-99 years of age. Scans were retrospectively evaluated by the software and by two specialists in musculoskeletal imaging for the presence of VCFs with vertebral body height loss > 25%. We compared the software analysis with that of a general radiologist, using the evaluation of the two specialists as the reference. Results: The software showed a diagnostic accuracy of 89.6% (95% CI: 87.4-91.5%) for moderate-to-severe VCFs, with a sensitivity of 73.8%, a specificity of 92.7%, and a negative predictive value of 94.8%. Among the 145 positive scans detected by the software, the general radiologist failed to report the fractures in 62 (42.8%), and the algorithm detected additional fractures in 38 of those scans. Conclusion: The software has good accuracy for the detection of moderate-to-severe VCFs, with high specificity, and can increase the opportunistic detection rate of VCFs by radiologists who do not specialize in musculoskeletal imaging.
Objetivo: Descrever a acurácia do software HealthVCF na detecção incidental de fraturas compressivas de corpos vertebrais moderadas a graves em exames de tomografia computadorizada do tórax e abdome. Materiais e Métodos: Foram incluídos 899 exames consecutivos de pacientes com idades entre 51 e 99 anos. As imagens foram retrospectivamente avaliadas pelo software e por dois radiologistas especializados em musculoesquelético que investigaram fraturas compressivas de corpos vertebrais com perda da altura somática > 25%. A análise comparativa foi realizada entre o software e um radiologista geral, usando a avaliação do especialista como referência. Resultados: O software apresentou uma acurácia de 89,6% (IC 95%: 87,491,5%) para fraturas compressivas moderadas a graves, com sensibilidade de 73,8%, especificidade de 92,7% e valor preditivo negativo de 94,8%. Entre as 145 tomografias positivas detectadas pelo software, o radiologista geral deixou de relatar as fraturas em 62 (42,8%) e o algoritmo detectou fraturas adicionais em 38 dessas tomografias. Conclusão: O software possui boa acurácia na detecção de fraturas compressivas moderadas a graves, com alta especificidade, podendo aumentar a taxa de detecção oportunística dessas fraturas por radiologistas não especializados em musculoesquelético.
RESUMO
Abstract Objective: To describe the accuracy of HealthVCF, a software product that uses artificial intelligence, in the detection of incidental moderate-to-severe vertebral compression fractures (VCFs) on chest and abdominal computed tomography scans. Materials and Methods: We included a consecutive sample of 899 chest and abdominal computed tomography scans of patients 51-99 years of age. Scans were retrospectively evaluated by the software and by two specialists in musculoskeletal imaging for the presence of VCFs with vertebral body height loss > 25%. We compared the software analysis with that of a general radiologist, using the evaluation of the two specialists as the reference. Results: The software showed a diagnostic accuracy of 89.6% (95% CI: 87.4-91.5%) for moderate-to-severe VCFs, with a sensitivity of 73.8%, a specificity of 92.7%, and a negative predictive value of 94.8%. Among the 145 positive scans detected by the software, the general radiologist failed to report the fractures in 62 (42.8%), and the algorithm detected additional fractures in 38 of those scans. Conclusion: The software has good accuracy for the detection of moderate-to-severe VCFs, with high specificity, and can increase the opportunistic detection rate of VCFs by radiologists who do not specialize in musculoskeletal imaging.
Resumo Objetivo: Descrever a acurácia do software HealthVCF na detecção incidental de fraturas compressivas de corpos vertebrais moderadas a graves em exames de tomografia computadorizada do tórax e abdome. Materiais e Métodos: Foram incluídos 899 exames consecutivos de pacientes com idades entre 51 e 99 anos. As imagens foram retrospectivamente avaliadas pelo software e por dois radiologistas especializados em musculoesquelético que investigaram fraturas compressivas de corpos vertebrais com perda da altura somática > 25%. A análise comparativa foi realizada entre o software e um radiologista geral, usando a avaliação do especialista como referência. Resultados: O software apresentou uma acurácia de 89,6% (IC 95%: 87,4-91,5%) para fraturas compressivas moderadas a graves, com sensibilidade de 73,8%, especificidade de 92,7% e valor preditivo negativo de 94,8%. Entre as 145 tomografias positivas detectadas pelo software, o radiologista geral deixou de relatar as fraturas em 62 (42,8%) e o algoritmo detectou fraturas adicionais em 38 dessas tomografias. Conclusão: O software possui boa acurácia na detecção de fraturas compressivas moderadas a graves, com alta especificidade, podendo aumentar a taxa de detecção oportunística dessas fraturas por radiologistas não especializados em musculoesquelético.