使用贝叶斯网络决策支持评估严重的脊柱病理:开发和验证研究
Adele Hill1, Christopher H Joyner1, Chloe Keith-Jopp2
1Electronic Engineering and Computer Science, Queen Mary University of London, London, United Kingdom.
JMIR formative research
|October 3, 2023
概括
这项研究开发了一个贝叶斯网络 (BN),以改善腰痛患者严重脊柱病理 (SSP) 的识别. 人工智能工具在预测像cauda equina综合征这样的疾病方面表现出令人鼓舞的有效性.
科学领域:
- 人工智能在医学中的应用
- 临床决策支持系统 临床决策支持系统
- 脊柱病理诊断 诊断 脊柱病理诊断
背景情况:
- 在腰部疼痛患者中识别严重的脊柱病理 (SSP) 是一个挑战,传统方法面临批评.
- 临床医生往往缺乏对管理患有红旗症状的患者的信心,导致护理变化.
- 改善潜在的SSP的腰部疼痛患者的决策是临床优先事项.
研究的目的:
- 开发和验证贝叶斯网络 (BN) 作为提高SSP识别的决策支持工具.
- 使用人工智能结合现有证据和专家知识,提高诊断准确性.
- 为了减少诊断的不确定性和可变性在管理腰部疼痛患者.
主要方法:
- 一个经过修改的RAND适当性程序涉及16名专家在3轮的过程中建立一个因果BN.
- 通过与共识陈述,指导方针,研究和专家临床判断进行比较来验证BN.
- 使用接收机运行特征曲线和曲线下面面积计算来评估性能.
主要成果:
- 开发了一个BN模型,其中包含38个风险因素,症状和判断因素的变量.
- 该BN表现出良好的整体性能,对尾巴马综合征,癌症和炎症状况具有高准确性.
- 验证显示与临床文献有很好的一致性,确定了模型改进的具体领域,特别是骨折识别.
结论:
- 开发的BN是一个验证的决策支持工具,用于识别腰部疼痛患者的SSP.
- 这种由人工智能驱动的方法为提高诊断准确度和减少护理变化提供了一个有希望的方法.
- 基于验证结果的进一步开发将提高BN对脊柱疾病的预测能力.


