ディープ・マルチタスク・ラーニングによる新生児肺膜の検出
Changhyun Park1, Jinwha Choi2, Jisun Hwang3
1Department of Biomedical Engineering, Asan Medical Institute of Convergence Science and Technology, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Republic of Korea; Department of Convergence Medicine, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Republic of Korea.
新しい人工知能モデルは 放射線写真で新生児の肺臓を正確に診断し 臨床医の精度と合意を向上させます このディープラーニング・ツールは 新生児集中治療室でのケアを 改善する見込みです
科学分野:
- 医療用イメージング
- 医療における人工知能
- 新生児のケア
背景:
- 新生児の肺膜は 微妙なX線信号で 緊急診断が難しい
- この生命を脅かす病気の 早期診断は極めて重要です
研究 の 目的:
- 新生児肺上皮膜の検出のための多タスク学習モデルを開発し,検証する.
- モデルの臨床的有用性と臨床医の診断能力への影響を評価する.
主な方法:
- 複数の新生児重症治療室からの内部および外部データセットを用いた遡及診断研究.
- 肺膜の検出のための分類とセグメンテーションを組み合わせた 多タスク学習モデル.
- 経験レベルが異なる医師の間でAI支援と非支援のパフォーマンスを比較したリーダーの研究.
主要な成果:
- AIモデルは高い診断性能を達成し,AUCは0. 98 (内部) と0. 89 (外部) であった.
- AIの支援により,読者の精度 (82.5%から86.6%) と読者間の合意 (kappa 0.33から0.71) が著しく改善されました.
- このモデルは優れた診断性能と 臨床医の診断能力を向上させました
結論:
- 開発されたディープ・マルチタスク・ラーニング・モデルは,新生児肺臓の診断に優れた性能を示しています.
- AIによる支援により 診断の正確性と 新生児集中治療施設の臨床医の合意が改善されます
- この人工知能のツールは 新生児肺炎の臨床管理を強化する可能性を秘めています
さらに関連する動画
05:50International Expert Consensus and Recommendations for Neonatal Pneumothorax Ultrasound Diagnosis and Ultrasound-guided Thoracentesis Procedure
Published on: March 12, 2020
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
