用于指甲折毛细膜学分析的人工智能 - - 一个概念验证在青少年皮肤肌炎中的应用
Peyman Hosseinzadeh Kassani1, Louis Ehwerhemuepha2, Chloe Martin-King1
1Research Institute, Children's Hospital of Orange County (CHOC), Orange, CA, USA.
Pediatric research
|November 22, 2023
概括
人工智能 (AI) 使用指甲折叠毛细镜 (NFC) 图像可以准确地识别儿童的青少年皮质肌炎 (JDM). 这种人工智能模型,NFC-Net,也有效地评估了JDM疾病的活动,提供了一个新的诊断工具.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 儿科风湿病学 儿科风湿病学
背景情况:
- 异形性炎症性肌肉病缺少易于识别的生物标志物,往往需要昂贵的测试.
- 青少年皮肤肌肉炎 (JDM) 诊断和疾病活动监测存在临床挑战.
研究的目的:
- 评估人工智能 (AI) 在区分患有JDM的儿童与健康对照中的潜力,使用指甲毛细膜学 (NFC) 图像.
- 评估NFC图像在反映JDM疾病活动频谱方面的能力.
主要方法:
- 一个深度神经网络,NFC-Net,是使用来自JDM患者的1,120张NFC图像和来自健康对照的321张NFC图像开发的.
- 图像被缩小,以减少计算成本,创建一个轻量级和可解释的AI模型.
主要成果:
- 对于将JDM患者与对照患者区分开来,NFC-Net实现了0.93的AUROC,准确度为0.91.
- 该模型表现出0.85的灵敏度和0.90的特异性,产生0.95.9的精度.
- 预测临床疾病活动与不活动的结果为AUROC为0.75,准确度为0.74.
结论:
- NFC图像足以检测JDM疾病活动,作为疾病状况的可靠指标.
- 可解释的NFC-Net模型准确地识别了儿童的JDM,并预测了疾病的活动.
- NFC-Net的计算效率和移动应用程序集成的潜力提高了其临床实用性.
