使用人工智能实现肺滑动的实时自动检测:一项前性诊断准确性研究
Hans Clausdorff Fiedler1, Ross Prager2, Delaney Smith3
1Sección de Medicina de Urgencia, Pontificia Universidad Católica de Chile, Santiago, Chile.
Chest
|February 16, 2024
概括
实时人工智能辅助肺超声波 (AI-LUS) 通过识别缺席的肺滑动来检测肺胸部的高灵敏度. 需要进一步的研究来优化AI-LUS的性能和将其整合到临床实践中.
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:
- 肺胸部诊断需要快速评估,通常使用肺超声波 (LUS).
- 由于患者和提供者因素,肺胸的LUS诊断准确性可能会变化.
- 人工智能 (AI) 集成旨在提高肺部疾病的LUS性能,但肺胸炎的实时诊断准确性尚未得到充分确立.
研究的目的:
- 确定人工智能辅助肺超声波 (AI-LUS) 的实时诊断准确度,以确定疑似肺胸病患者没有肺滑动.
主要方法:
- 使用AI-LUS进行了前性诊断准确性研究.
- 人工智能模型参数和成像设置被校准为床边部署.
- 对AI-LUS的性能进行了评估,对检测肺部滑动的专家共识的参考标准进行了评估.
主要成果:
- 该研究包括62名患者的241个肺滑动评估.
- 在诊断没有肺滑动时,AI-LUS的灵敏度为0.921 (95% CI,0.792-0.973) 和特异性为0.802 (95% CI,0.735-0.856).
- 接收器操作特征曲线下的面积为0.885 (95% CI,0.828-0.956),整体精度为0.824 (95% CI,0.766-0.870).
结论:
- 实时AI-LUS在识别无肺滑动时表现出高灵敏度和中等特异性.
- 这些发现表明AI-LUS是肺胸部评估的一个有前途的工具.
- 需要进一步的研究来提高AI-LUS模型的性能,并将其有效地集成到诊断工作流程中.
