多COVID:用于COVID-19诊断的多模式深度学习方法
Max Hardy-Werbin1,2, José Maria Maiques3, Marcos Busto3
1Cancer Research Program, IMIM (Hospital del Mar Medical Research Institute), Barcelona, Spain.
Scientific reports
|November 1, 2023
概括
一个新的多式深度学习算法,MultiCOVID,使用胸部X射线和血液测试来诊断COVID-19,心力衰竭和肺炎. 它在精度上明显超过了人类放射科医生.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 传染性疾病 传染性疾病
背景情况:
- 全球范围内,COVID-19的流行病压倒了医疗保健系统.
- 胸部X射线 (CXR) 和血液测试显示了COVID-19诊断的预测价值.
- 准确和快速的诊断对于患者管理至关重要.
研究的目的:
- 开发和评估一个多式联网深度学习算法,MultiCOVID.
- 为了区分COVID-19,心力衰竭,非COVID肺炎和健康患者.
- 与传统方法相比,提高诊断的准确性和速度.
主要方法:
- 来自6123名患者的CXR和血液测试数据的回顾性分析 (2017年1月 - 2020年5月).
- 使用开源深度学习 (DL) 算法开发多式预测模型.
- 在300张测试图像上,MultiCOVID与五位经验丰富的胸部放射科医生的性能比较.
主要成果:
- 多COVID算法实现了整体准确度为84%,测试组的平均AUC为0.92.
- 在300个随机测试图像中,MultiCOVID的准确性 (69.6%) 显著高于放射科医生 (43.7-58.7%) 和共识 (59.3%).
- 该算法在四个患者群体中显示出优异的歧视.
结论:
- 一个多式深度学习算法,MultiCOVID,有效地整合了CXR和血液测试数据.
- 多COVID显著提高了COVID-19和其他呼吸系统疾病的诊断性能.
- 这种人工智能工具提供了一种有前途的方法来加速和改进临床环境中的差异诊断.
