一个新的自动算法来支持肺超声波非专家医生在间歇性肺炎评估:一个单中心研究
Marialuisa Sveva Marozzi1, Sebastiano Cicco1, Francesca Mancini1
1Unit of Internal Medicine "G. Baccelli", Department of Precision and Regenerative Medicine and Ionian Area (DiMePRe-J), University of Bari Aldo Moro Medical School, 70124 Bari, Italy.
Diagnostics (Basel, Switzerland)
|January 22, 2024
概括
肺部超声波 (LUS) 的AI算法显示,在识别间歇性肺部疾病 (ILDs) 方面,它与专家超声波学家相比没有劣势. 这种人工智能工具可以帮助非专家医生监测ILD,尽管仍需要一些培训.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 肺部病理学 肺部病理学
背景情况:
- 肺部超声波 (LUS) 是识别和监测间歇性肺部疾病 (ILD) 的一个有价值的工具.
- 高分辨率计算机断层扫描 (HRCT) 是黄金标准,但LUS为查和随访提供了切实可行的替代方案.
- 整合人工智能 (AI) 可以提高LUS对ILDs的诊断效率.
研究的目的:
- 为了评估新型人工智能算法的有效性 (
- 感觉 肺 肺 感觉 肺
- ) 在自动识别和评分ILDs.
- 为了比较人工智能算法的性能与专家LUS超声波仪.
- 评估人工智能对间歇性肺部干扰进行分级的能力.
主要方法:
- 33名患有ILD的患者被专家和未经训练的操作员用配备AI的AI评估,使用LUS进行评估.
- 感觉 肺 肺 感觉 肺
- . . . . . . . . . . . . . . 这是一个很好的时刻.
- 进行了肺功能测试 (PFT) 和DLCO.
- 统计分析,包括威尔科克森和曼-惠特尼测试,用于比较结果.
主要成果:
- 在识别ILD风险方面,AI算法的肺部分期与专家LUS得分不逊色 (p = 0.84).
- 肺部分期与LUS得分直接相关 (r = 0.607,p = 0.002),与FEV1%,FVC%和FEF25% (p < 0.03) 相反.
- 在DLCO降低的患者中,肺部分期显著更高 (p = 0.001).
结论:
- 人工智能算法显示有可能协助非专家医生在LUS进行ILD监测.
- 人工智能算法证明了对专家LUS的非劣势性,尽管倾向于高估ILD病变.
- 这是一个很棒的节目,这是一个很棒的节目.
- 感觉 肺 肺 感觉 肺
- 该设备提供了用户友好的实时分析,但需要基本技能培训.
