综述：人工智能与骨科急诊中的决策支持：综述

AI在骨科急诊中的应用包括自动骨折检测、损伤分类、分诊优化等，但存在数据偏差、可解释性等挑战。

摘要

背景

骨科急诊需要迅速、准确的临床决策，以防止肢体和生命受到威胁的并发症。患者数量的增加、专业医生的有限可用性以及诊断的复杂性导致了急诊护理中的延误和错误。人工智能（AI）包括机器学习（ML）和深度学习（DL），已成为辅助骨科急诊决策的一种有前景的工具。

目的

回顾基于AI的决策支持系统在骨科急诊护理中的当前应用、证据、局限性和未来发展方向，特别关注低收入和中等收入国家的医疗环境。

方法

在主要的学术数据库中进行了全面的电子搜索，包括PubMed、Embase、Scopus和Web of Science，以识别从最初到2026年2月期间用英语发表的所有相关文献，重点关注AI在骨科创伤、急诊成像、分诊、临床决策支持和结果预测中的应用。重点放在经过临床验证的研究、系统评价以及与急诊骨科相关的新兴技术上。

结果

AI在骨科急诊中的应用主要包括自动化骨折检测、损伤分类、分诊优化、临床决策支持和并发症预测。深度学习模型在骨折检测方面的诊断准确性可与专家医生相当或超过专家医生。根据本综述包含的研究，AI辅助的分诊系统在预测病情严重程度和是否需要住院方面表现优于传统的评分工具。基于医院和临床实践的研究表明，临床决策支持工具提高了急诊管理建议的完整性和一致性。报告的挑战包括数据偏差、可解释性、临床整合、伦理问题以及监管监督等方面。

结论

AI在提高骨科急诊的诊断准确性、效率和决策能力方面具有巨大潜力。负责任地采用AI需要强有力的外部验证、临床医生培训、可解释的模型以及与现有工作流程的整合。当适当实施时，AI可以作为临床专业知识的宝贵补充，而不是替代品。

图形摘要

背景

骨科急诊需要迅速、准确的临床决策，以防止肢体和生命受到威胁的并发症。患者数量的增加、专业医生的有限可用性以及诊断的复杂性导致了急诊护理中的延误和错误。人工智能（AI）包括机器学习（ML）和深度学习（DL），已成为辅助骨科急诊决策的一种有前景的工具。

目的

回顾基于AI的决策支持系统在骨科急诊护理中的当前应用、证据、局限性和未来发展方向，特别关注低收入和中等收入国家的医疗环境。

方法

在主要的学术数据库中进行了全面的电子搜索，包括PubMed、Embase、Scopus和Web of Science，以识别从最初到2026年2月期间用英语发表的所有相关文献，重点关注AI在骨科创伤、急诊成像、分诊、临床决策支持和结果预测中的应用。重点放在经过临床验证的研究、系统评价以及与急诊骨科相关的新兴技术上。

结果

AI在骨科急诊中的应用主要包括自动化骨折检测、损伤分类、分诊优化、临床决策支持和并发症预测。深度学习模型在骨折检测方面的诊断准确性可与专家医生相当或超过专家医生。根据本综述包含的研究，AI辅助的分诊系统在预测病情严重程度和是否需要住院方面表现优于传统的评分工具。基于医院和临床实践的研究表明，临床决策支持工具提高了急诊管理建议的完整性和一致性。报告的挑战包括数据偏差、可解释性、临床整合、伦理问题以及监管监督等方面。

结论

AI在提高骨科急诊的诊断准确性、效率和决策能力方面具有巨大潜力。负责任地采用AI需要强有力的外部验证、临床医生培训、可解释的模型以及与现有工作流程的整合。当适当实施时，AI可以作为临床专业知识的宝贵补充，而不是替代品。

图形摘要