基于人工神经网络的登革热诊断算法的有效性
Carmen Alicia Ruiz Valdez1, Olga María Alejo Martínez1, Brenda Leticia Rocha Reyes2
1Hospital General Regional No. 1 Obregón, Instituto Mexicano del Seguro Social, Obregón, México.
Digital health
|March 7, 2024
概括
在一项病例对照研究中,直接登革热诊断算法与人工神经网络 (ANN) 相比显示出更高的性能. 这突显了为准确识别登革热病例而建立的诊断标准的有效性.
科学领域:
- 医疗信息学 医疗信息学
- 流行病学 流行病学
- 传染性疾病 传染性疾病
背景情况:
- 登革热具有广泛的临床谱,使得早期和准确的诊断对医疗保健专业人员来说具有挑战性.
- 有效的诊断工具对于及时干预和改善登革热病例患者的治疗结果至关重要.
- 人工智能,特别是人工神经网络 (ANN),为增强诊断能力提供了潜力.
研究的目的:
- 为了评估人工神经网络 (ANN) 登革热算法的诊断效果.
- 为了比较一个ANN算法的性能与在一个特有地区的直接诊断算法.
主要方法:
- 进行了一项单中心病例控制研究,涉及233例登革热病例和233例对照病例.
- 开发了两个算法:基于官方操作定义的"直接算法"和使用 brain.js 库的 ANN 算法.
- 用灵敏度,特异性,正预测值 (PPV),负预测值 (NPV) 和科恩的卡帕指数来评估诊断准确度.
主要成果:
- 该ANN算法实现了0.90的灵敏度,0.82的特异性,0.91的NPV,0.81的PPV和0.72.72的kappa.
- 直接算法显示出更高的诊断准确性,灵敏度为0.97,特异性为0.96,NPV为0.97,PPV为0.96,kappa为0.93.
- 直接算法在所有测量的诊断参数中显著优于ANN.
结论:
- 基于既定的操作定义的直接算法在本研究中被证明优于人工神经网络 (ANN) 在登革热诊断方面.
- 传统的诊断算法仍然非常有效,在资源有限或特有环境下,在登革热诊断方面可能比ANN更好.
- 进一步的研究可以探索混合方法或优化ANN模型用于登革热诊断.
