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. Objetivo abdome Métodos 89 5 9 anos 25 25% referência Resultados 896 6 89,6 IC 95% 95 87,4–91,5% 874915 87 4 91 738 73 8 73,8% 927 92 7 92,7 948 94 94,8% 14 42,8% 428 42 (42,8% 3 Conclusão 2 89, 87,4–91,5 87491 73,8 92, 94,8 1 42,8 (42,8 87,4–91, 8749 73, 94, 42, (42, 87,4–91 874 (42 87,4–9 (4 87,4– ( 87,4 87,
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. Objective HealthVCF intelligence moderatetosevere moderate severe (VCFs Methods 89 5199 51 99 51–9 age 25 25% reference Results 896 6 89.6 95% 95 (95 CI 87.4–91.5% 874915 87 4 91 5 738 73 8 73.8% 927 92 7 92.7% 948 94 94.8% 14 42.8%, 428 42.8% , 42 (42.8%) 3 Conclusion 519 9 51– 2 89. (9 87.4–91.5 87491 73.8 92.7 94.8 1 42.8 (42.8% ( 87.4–91. 8749 73. 92. 94. 42. (42.8 87.4–91 874 (42. 87.4–9 (42 87.4– (4 87.4 87.