在开放式医疗诊断中自动化混合集体智能

科学领域:

• 人工智能在医学中的应用
• 计算语言学 计算语言学
• 医疗信息学 医疗信息学

背景情况:

• 集体智能增强了各种领域的决策,但由于整合各种输入的挑战,它在复杂的开放式医疗诊断中未得到充分利用.
• 现有的集体智能应用往往专注于更简单的任务,限制其在广泛的医学诊断场景中的潜力.

研究的目的:

• 开发和评估一种完全自动化的方法,用于利用集体智能在一般医学诊断中.
• 克服整合来自多位临床医生的非标准化诊断输入的挑战,使用语义知识图,自然语言处理和医学本体学.

主要方法:

• 开发了一个集语义知识图,自然语言处理 (NLP) 和SNOMED CT医疗本体学的自动化系统.
• 将该方法应用于人类诊断项目的1333个医疗病例,其中每个病例都由十名诊断师审查.
• 将个人诊断师的诊断准确度与不同规模的小组的集体诊断进行了比较.

主要成果:

• 个别诊断人员的平均准确率为46%.
• 使用自动化方法将十名诊断师的决定汇集在一起,准确率提高到76%.
• 在不同的医学专业,首席投诉和诊断师经验水平上观察到准确度的提高.

结论:

• 开发的自动化方法通过有效利用集体智能,显著提高了一般医疗环境中的诊断准确性.
• 这种方法证明了通过汇集来自全球医疗专业人士社区的见解来减少医疗诊断错误和提高患者安全的潜力.
• 知识图和NLP的整合对于克服开放式医疗诊断任务中的数据异质性至关重要.