هدف ازمطالعه: توسعه و ارزیابی اثربخشی پلتفرم آموزشی–بالینی مبتنی بر هوش مصنوعی به‌عنوان «خواننده دوم» برای درجه‌بندی Kellgren–Lawrence در رادیوگرافی زانو: یک کارآزمایی تصادفی‌سازی‌شده کنترل‌شده. طراحی: کارآزمایی تصادفی‌سازی‌شده کنترل‌شده دوگروهی موازی، تک‌مرکزی، با تصادفی‌سازی در سطح فرد و نسبت تخصیص ۱:۱، با طراحی چندخواننده-چندکیس و همراه با پیش‌آزمون و پس‌آزمون. نحوه و محل انجام مطالعه: این مطالعه یک کارآزمایی بالینی تصادفی‌سازی‌شده جهت ارزیابی عملکرد تشخیصی و دقت الگوریتم یادگیری عمیق (هوش مصنوعی) در درجه‌بندی آرتروز زانو بر اساس معیار کلگرن-لارنس (KL) در مقایسه با ارزیابی ارزیاب‌های انسانی روی کلیشه‌های رادیوگرافی دیجیتال زانو است. شرکت کنندگان/شرایط ورود و عدم ورود: شرکت‌کنندگان واجد شرایط شامل اینترن‌ها و دستیاران سال‌های یک تا سه رشته‌های ارتوپدی، طب فیزیکی و توانبخشی، و رادیولوژی هستند که سابقه آموزش ساختاریافته یا تجربه قابل‌توجهی در درجه‌بندی Kellgren–Lawrence یا کار با سامانه‌های کمک‌تشخیصی مبتنی بر هوش مصنوعی ندارند. معیارهای ورود شامل رضایت‌نامه کتبی آگاهانه، دسترسی پایدار به اینترنت و رایانه، و توانایی تکمیل پیش‌آزمون و پس‌آزمون در بازه مطالعه است. معیارهای خروج شامل ناقص بودن پیش‌آزمون یا پس‌آزمون، عدم دریافت حداقل دوز آموزشی، انصراف از رضایت، یا هر مشکل اجرایی/فنی مانع تکمیل مطالعه است. گروه‌های مداخله: آموزش استاندارد همراه با پلتفرم آموزشی–بالینی مبتنی بر هوش مصنوعی به‌عنوان «خواننده دوم» شامل پیشنهاد درجه Kellgren–Lawrence، برآورد اطمینان و بازخورد توضیح‌پذیر به‌صورت نقشه حرارتی؛ گروه کنترل فقط آموزش استاندارد بدون خروجی هوش مصنوعی دریافت می‌کند متغیرهای پیامد اصلی: دقت تشخیصی الگوریتم یادگیری عمیق در درجه‌بندی آرتروز زانو بر اساس معیار کلگرن-لارنس؛ توافق بین ارزیاب‌ها (ضریب کاپای کوهن) میان پیش‌بینی هوش مصنوعی و خوانش متخصصان رادیولوژی