Evaluación de la clasificación de las fracturas de platillo tibial según Schatzker-Kfuri utilizando radiografías y tomografía. Comparación entre el observador experto y el modelo ChatGPT-4o
Barra lateral del artículo
Publicado:
dic 27, 2025
Palabras clave:
Inteligencia artificial, platillo tibial, clasificación de Schatzker-Kfuri
Contenido principal del artículo
Resumen
Introducción: La inteligencia artificial fue presentada formalmente en 1956, luego, se crearon plataformas con un conjunto de información para obtener el resultado apropiado. La clasificación de fracturas de platillo tibial de Kfuri y Schatzker permite hacer un análisis más preciso, especialmente al integrar cortes tomográficos. En este estudio, se comparó la capacidad diagnóstica del modelo ChatGPT-4o con la evaluación del panel de expertos.
Materiales y Métodos: Estudio retrospectivo, observacional para comparar la interpretación del observador experto y la del ChatGPT-4o. Se recopilaron 45 reportes de casos publicados por expertos con radiografías y tomografías, en distintas bases de datos, como PubMed, Elsevier, SciELO, que se usaron para mejorar el análisis del ChatGPT-4o. Se seleccionaron 6 reportes de casos de fractura de platillo tibial, que no se habían cargado previamente en la plataforma para analizar la interpretación del ChatGPT-4o basada en el prompt creado antes. El modelo ChatGPT-4o analizó cada uno de los casos y propuso una clasificación basada en el sistema de Schatzker-Kfuri. Las respuestas fueron contrastadas con la información obtenida de reportes de casos.
Resultados: El ChatGPT-4o clasificó correctamente los casos analizados. Los componentes de hundimiento, trazo de cizallamiento (split) y disociación epifisodiafisaria fueron identificados, con precisión, en los casos bicondilares. Asimismo, se utilizaron medidas de concordancia kappa de Cohen: 1.00, lo cual se interpreta como concordancia perfecta.
Conclusión: El ChatGPT-4o tuvo una alta capacidad diagnóstica en la clasificación de fracturas de platillo tibial según Schatzker-Kfuri, equiparable a la de un experto.
Materiales y Métodos: Estudio retrospectivo, observacional para comparar la interpretación del observador experto y la del ChatGPT-4o. Se recopilaron 45 reportes de casos publicados por expertos con radiografías y tomografías, en distintas bases de datos, como PubMed, Elsevier, SciELO, que se usaron para mejorar el análisis del ChatGPT-4o. Se seleccionaron 6 reportes de casos de fractura de platillo tibial, que no se habían cargado previamente en la plataforma para analizar la interpretación del ChatGPT-4o basada en el prompt creado antes. El modelo ChatGPT-4o analizó cada uno de los casos y propuso una clasificación basada en el sistema de Schatzker-Kfuri. Las respuestas fueron contrastadas con la información obtenida de reportes de casos.
Resultados: El ChatGPT-4o clasificó correctamente los casos analizados. Los componentes de hundimiento, trazo de cizallamiento (split) y disociación epifisodiafisaria fueron identificados, con precisión, en los casos bicondilares. Asimismo, se utilizaron medidas de concordancia kappa de Cohen: 1.00, lo cual se interpreta como concordancia perfecta.
Conclusión: El ChatGPT-4o tuvo una alta capacidad diagnóstica en la clasificación de fracturas de platillo tibial según Schatzker-Kfuri, equiparable a la de un experto.
Descargas
La descarga de datos todavía no está disponible.
Detalles del artículo
Cómo citar
Rivadeneira Jurado, H. A., Rivadeneira Jurado, E. A., Espinoza Freire, D., Samaniego, A. F., Lulkin, E., Bidolegui, F., & Pereira, S. (2025). Evaluación de la clasificación de las fracturas de platillo tibial según Schatzker-Kfuri utilizando radiografías y tomografía. Comparación entre el observador experto y el modelo ChatGPT-4o. Revista De La Asociación Argentina De Ortopedia Y Traumatología, 90(6), 556-560. https://doi.org/10.15417/issn.1852-7434.2025.90.6.2224
Número
Sección
Investigación Clínica
Derechos de autor 2025 Revista de la Asociación Argentina de Ortopedia y Traumatología
La aceptación del manuscrito por parte de la revista implica la no presentación simultánea a otras revistas u órganos editoriales. La RAAOT se encuentra bajo la licencia Creative Commons 4.0. Atribución-NoComercial-CompartirIgual (http://creativecommons.org/licenses/by-nc-sa/4.0/deed.es). Se puede compartir, copiar, distribuir, alterar, transformar, generar una obra derivada, ejecutar y comunicar públicamente la obra, siempre que: a) se cite la autoría y la fuente original de su publicación (revista, editorial y URL de la obra); b) no se usen para fines comerciales; c) se mantengan los mismos términos de la licencia.
En caso de que el manuscrito sea aprobado para su próxima publicación, los autores conservan los derechos de autor y cederán a la revista los derechos de la publicación, edición, reproducción, distribución, exhibición y comunicación a nivel nacional e internacional en las diferentes bases de datos, repositorios y portales.
Se deja constancia que el referido artículo es inédito y que no está en espera de impresión en alguna otra publicación nacional o extranjera.
Por la presente, acepta/n las modificaciones que sean necesarias, sugeridas en la revisión por los pares (referato), para adaptar el trabajo al estilo y modalidad de publicación de la Revista.
Citas
1. Lhotská L. Umělá inteligence v medicíně a zdravotnictví: Příležitost a/nebo hrozba? Čas Lék Čes
2023;162(7-8):275-8. Disponible en: https://www.prolekare.cz/casopisy/casopis-lekaru-ceskych/2023-7-8-1/umela-inteligence-v-medicine-a-zdravotnictvi-prilezitost-a-nebo-hrozba-136669
2. Mucci T. La historia de la inteligencia artificial. IBM Think 2019 [citado 2025 nov 21]. Disponible en: https://www.ibm.com/es-es/think/topics/history-of-artificial-intelligence.
3. Kfuri M, Schatzker J. Revisiting the Schatzker classification of tibial plateau fractures. Injury 2018;49(12):2252-63. https://doi.org/10.1016/j.injury.2018.07.010
4. Mohammadi M, Parviz S, Parvaz P, Pirmoradi MM, Afzalimoghaddam M, Mirfazaelian H. Diagnostic performance of ChatGPT in tibial plateau fracture in knee X-ray. Emerg Radiol 2025;32(1):59-64. https://doi.org/10.1007/s10140-024-02298-y
5. Van der Gaast N, Bagave P, Assink N, Broos S, Jaarsma RL, Edwards MJR, et al. Deep learning for tibial plateau fracture detection and classification. Knee 2025;54:81-9. https://doi.org/10.1016/j.knee.2025.02.001
6. Markhardt B, Gross JM, Monu J. Schatzker classification of tibial plateau fractures: Use of CT and MR imaging improves assessment. Radiographics 2009;29(2):585-97. https://doi.org/10.1148/rg.292085078
7. Gyftopoulos S, Lin D, Knoll F, Doshi AM, Cantarelli Rodrigues T, Recht MP. Artificial intelligence in musculoskeletal imaging: current status and future directions. AJR Am J Roentgenol 2019;213(3):506-13. https://doi.org/10.2214/AJR.19.21117
8. Kuo R, Harrison C, Curran T, Jones B, Freethy A, Cussons D, et al. Artificial intelligence in fracture detection: A
systematic review and meta-Analysis. Radiology 2022;304(1):50-62. https://doi.org/10.1148/radiol.211785
9. Giordano V, Schatzker J, Kfuri M. The ‘Hoop’ plate for posterior bicondylar shear tibial plateau fractures:
Description of a new surgical technique. J Knee Surg 2022;35(2):123-9. https://doi.org/10.1055/s-0036-1593366
10. Singh Sidhu GA, Hind J, Ashwood N, Kaur H, Bridgwater H, Rajagopalan S. A systematic review of current approaches to tibial plateau, Cureus 2022;14(7):e27183. https://doi.org/10.7759/cureus.27183
11. Cai D, Zhou Y, He W, Yuan J, Liu C, Li R, et al. Automatic segmentation of knee CT images of tibial plateau fractures based on three-dimensional U-Net: assisting junior physicians with Schatzker classification. Eur J Radiol 2024;178:111605. https://doi.org/10.1016/j.ejrad.2024.111605
12. Liu Y, Fang R, Tu B, Zhu Z, Zhang C, Ning R. Correlation of preoperative CT imaging shift parameters of the lateral plateau with lateral meniscal injury in Schatzker IV-C tibial plateau fractures. BMC Musculoskelet Disord 2023;24(1):793. https://doi.org/10.1186/s12891-023-06924-7
13. Martinez A, Cayon M. Fracturas del platillo tibial posterior. Revista Colombiana de Cirugía Ortopédica y Traumatología 1999;13(1):37-1. Disponible en: https://sccot.org/pdf/RevistaDigital/1999/Vol13N1/37-41.pdf
14. De Cicco F, Verbner J, Abrego M, Taype D, Carabelli G, Barla J, et al. Soporte circunferencial posterior en fracturas de platillo tibial. Rev Asoc Argent Ortop Traumatol 2021;86(2):219-27. https://doi.org/10.15417/issn.1852-7434.2021.86.2.1018
15. Alenazi HK, Alahmari RA, Mubarak Hassan Al Faraj A, Nasser Almurkan M, Saleh Al Hashel IM, Al Hagwi AI, et al. The future of artificial intelligence in X-ray radiography: Enhancing healthcare and workflow efficiency. J Int
Crisis Risk Commun Res 2024;7(53):51-3. https://doi.org/10.63278/jicrcr.vi.708
2023;162(7-8):275-8. Disponible en: https://www.prolekare.cz/casopisy/casopis-lekaru-ceskych/2023-7-8-1/umela-inteligence-v-medicine-a-zdravotnictvi-prilezitost-a-nebo-hrozba-136669
2. Mucci T. La historia de la inteligencia artificial. IBM Think 2019 [citado 2025 nov 21]. Disponible en: https://www.ibm.com/es-es/think/topics/history-of-artificial-intelligence.
3. Kfuri M, Schatzker J. Revisiting the Schatzker classification of tibial plateau fractures. Injury 2018;49(12):2252-63. https://doi.org/10.1016/j.injury.2018.07.010
4. Mohammadi M, Parviz S, Parvaz P, Pirmoradi MM, Afzalimoghaddam M, Mirfazaelian H. Diagnostic performance of ChatGPT in tibial plateau fracture in knee X-ray. Emerg Radiol 2025;32(1):59-64. https://doi.org/10.1007/s10140-024-02298-y
5. Van der Gaast N, Bagave P, Assink N, Broos S, Jaarsma RL, Edwards MJR, et al. Deep learning for tibial plateau fracture detection and classification. Knee 2025;54:81-9. https://doi.org/10.1016/j.knee.2025.02.001
6. Markhardt B, Gross JM, Monu J. Schatzker classification of tibial plateau fractures: Use of CT and MR imaging improves assessment. Radiographics 2009;29(2):585-97. https://doi.org/10.1148/rg.292085078
7. Gyftopoulos S, Lin D, Knoll F, Doshi AM, Cantarelli Rodrigues T, Recht MP. Artificial intelligence in musculoskeletal imaging: current status and future directions. AJR Am J Roentgenol 2019;213(3):506-13. https://doi.org/10.2214/AJR.19.21117
8. Kuo R, Harrison C, Curran T, Jones B, Freethy A, Cussons D, et al. Artificial intelligence in fracture detection: A
systematic review and meta-Analysis. Radiology 2022;304(1):50-62. https://doi.org/10.1148/radiol.211785
9. Giordano V, Schatzker J, Kfuri M. The ‘Hoop’ plate for posterior bicondylar shear tibial plateau fractures:
Description of a new surgical technique. J Knee Surg 2022;35(2):123-9. https://doi.org/10.1055/s-0036-1593366
10. Singh Sidhu GA, Hind J, Ashwood N, Kaur H, Bridgwater H, Rajagopalan S. A systematic review of current approaches to tibial plateau, Cureus 2022;14(7):e27183. https://doi.org/10.7759/cureus.27183
11. Cai D, Zhou Y, He W, Yuan J, Liu C, Li R, et al. Automatic segmentation of knee CT images of tibial plateau fractures based on three-dimensional U-Net: assisting junior physicians with Schatzker classification. Eur J Radiol 2024;178:111605. https://doi.org/10.1016/j.ejrad.2024.111605
12. Liu Y, Fang R, Tu B, Zhu Z, Zhang C, Ning R. Correlation of preoperative CT imaging shift parameters of the lateral plateau with lateral meniscal injury in Schatzker IV-C tibial plateau fractures. BMC Musculoskelet Disord 2023;24(1):793. https://doi.org/10.1186/s12891-023-06924-7
13. Martinez A, Cayon M. Fracturas del platillo tibial posterior. Revista Colombiana de Cirugía Ortopédica y Traumatología 1999;13(1):37-1. Disponible en: https://sccot.org/pdf/RevistaDigital/1999/Vol13N1/37-41.pdf
14. De Cicco F, Verbner J, Abrego M, Taype D, Carabelli G, Barla J, et al. Soporte circunferencial posterior en fracturas de platillo tibial. Rev Asoc Argent Ortop Traumatol 2021;86(2):219-27. https://doi.org/10.15417/issn.1852-7434.2021.86.2.1018
15. Alenazi HK, Alahmari RA, Mubarak Hassan Al Faraj A, Nasser Almurkan M, Saleh Al Hashel IM, Al Hagwi AI, et al. The future of artificial intelligence in X-ray radiography: Enhancing healthcare and workflow efficiency. J Int
Crisis Risk Commun Res 2024;7(53):51-3. https://doi.org/10.63278/jicrcr.vi.708