Retrospektivní, monocentrická, multi‑reader, multi‑case studie hodnotila diagnostickou výkonnost dvou systémů umělé inteligence (AI 1, AI 2) při detekci prvodiagnostických fraktur na rentgenových snímcích muskuloskeletálního aparátu a porovnala ji s výkonem tří klinicky aktivních radiologů (RAD 1–3). Z archivu PACS Fakultní nemocnice Olomouc bylo vybráno 1 137 anonymizovaných snímků pořízených mezi 5. a 11. březnem 2025; prevalence fraktur činila 10,4 %. Referenční standard byl stanoven majority‑vote konsensem tří nezávislých radiologů, přičemž substanciální shodu potvrdila Fleissova κ = 0,739. Power analýza požadovala minimálně 110 fraktur a 900 negativních případů; skutečný soubor tyto limity komfortně překročil. Statistické hodnocení vycházelo ze čtyřpolních kontingenčních tabulek s Wilsonovými 95% intervaly spolehlivosti (CI); rozdíly mezi čtenáři byly testovány McNemarovým testem s Holmovou korekcí.

A retrospective, single-center, multi-reader, multi-case study evaluated the diagnostic performance of two artificial intelligence systems (AI 1, AI 2) in detecting primary fractures on musculoskeletal X-ray images and compared it with the performance of three clinically active radiologists (RAD 1–3). A total of 1,137 anonymized images taken between March 5 and 11, 2025, were selected from the PACS archive of the Olomouc University Hospital; the prevalence of fractures was 10.4%. The reference standard was established by majority vote consensus of three independent radiologists, with substantial agreement confirmed by Fleiss‘ κ = 0.739. The power analysis required a minimum of 110 fractures and 900 negative cases; the actual sample comfortably exceeded these limits. The statistical evaluation was based on four-field contingency tables with Wilson’s 95% confidence intervals (CI); differences between readers were tested using McNemar’s test with Holm’s correction.