开发和评估一个计算机算法来解释肺功能测试的解释

科学领域:

• 肺部医学 肺部医学
• 医疗信息学 医疗信息学
• 计算生物学 计算生物学

背景情况:

• 临床医生的肺功能测试 (PFT) 解释涉及主观模式识别和基于规则的策略,导致变化.
• 现有的解释方法可能容易导致患者和解释员的错误,影响诊断的准确性.
• 在PFT中的生理缺陷往往呈现出可识别的模式,可以系统地分类.

研究的目的:

• 开发和验证用于解释PFT的计算机算法,旨在减少变化并提高准确性.
• 为了比较算法的解释与专家临床医生在PFT报告的大数据集中的评估.
• 评估算法的识别特定肺部疾病的能力,包括小呼吸道功能障碍.

主要方法:

• 使用Python开发了一个计算机算法,利用pdfplumber包从PDF格式的PFT报告中提取数据.
• 该算法将流量体积循环 (FVL) 数字化并提取数值,应用预定义的阻塞 (FEV1/FVC<0.7),限制 (TLC<80%pred) 和异常DLCO的标准.
• 一个小气道疾病指数 (SADI) 被纳入,以量化FVL特征表明小气道功能障碍,与自然语言处理 (NLP) 用于关键字的识别.

主要成果:

• 该算法显示了与临床医生的解释达成一致的高率:94.4% (科恩的卡帕0.868) 阻碍,99.0% (0.979) 限制,和87.9% (0.750) 异常DLCO.
• 在正常FEV1/FVC的PFT中,该算法发现了190例潜在的小呼吸道功能障碍 (SADI < LLN),其中67.9%也被临床医生标记.
• 该算法与临床医生的解释达成了大约90%的总体一致,在检测小呼吸道功能障碍方面显示出灵敏度.

结论:

• 开发的计算机算法为PFT解释提供了一种一致和客观的方法,与专家临床医生可比.
• 该算法提高了诊断效率,并减少了解释肺功能测试时的人类错误.
• 这种计算方法为PFT分析提供了一个可扩展的解决方案,可以适应各种解释策略和平台.