トラウマのための超音波による集中評価に基づく腹内出血のための人工知能ベースの半量的な診断モデル:大型動物実験研究

科学分野:

• メディカルイマージング (医学イメージング)
• 医療における人工知能
• トラウマ・外科・外科

背景:

• 鈍い腹部トラウマは,生命を脅かす腹内出血を引き起こす可能性があります.
• 正確な出血の分類は,特に病院前での適切な介入に不可欠です.
• トラウマにおける出血の評価のための現在の方法は,資源の制限のある環境では制限されることがあります.

研究 の 目的:

• 腹内出血の半量的な分類のためのAIモデルを開発し,検証する.
• このモデルは,トラウマのための超音波 (FAST) の超音波による集中評価に基づいています.
• 目標は,病院前またはリソースが限られた環境での使用を可能にすることです.

主な方法:

• 鈍い腹部トラウマの豚モデルを使用し,段階的な出血をシミュレートしました.
• FAST超音波ビデオは,6つの標準サイトから取得されました.
• ディープニューラルネットワークは,ピクセル領域とスキャン深さを含むマルチモダルの機能で訓練され,3級の分類を行いました.

主要な成果:

• AIモデルは,出血の分類において全体的に81.19%の精度を達成した.
• このパフォーマンスは,サポートベクトルマシンやロジスティック回帰のような伝統的な機械学習モデルを上回りました.
• スキャン深さと出血ピクセル面積の間に有意な負の相関が認められた.

結論:

• FAST画像を用いたマルチモダルのAIアプローチは,腹内出血を効果的に分類することができます.
• クラス・ウェイトとダイナミック・スリーホールドで最適化された深層ニューラル・ネットワークは,臨床的可能性を示している.
• この技術は,トラウマケア,特に困難な環境での出血の評価を改善する可能性があります.