开发一种可解释的AI系统,使用常规的临床参数,快速区分炎症状况
Joerg Hoffmann1, Anne Rheude1, Andreas Neubauer1
1Department of Hematology, Oncology and Immunology, Philipps University Marburg, University Hospital Giessen and Marburg, Marburg, Germany.
Frontiers in immunology
|March 21, 2024
概括
可解释的人工智能 (XAI) 通过简单的血液测试有效区分细菌感染,病毒感染和自身免疫性疾病/GVHD. 这种方法有助于准确诊断和治疗炎症疾病.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 人工智能在医学中的应用
- 免疫学 免疫学 免疫学
背景情况:
- 炎症状况源于各种原因,需要量身定制的治疗方法.
- 抗生素治疗细菌感染,但对病毒感染无效.
- 自身免疫性疾病和移植对宿主性疾病 (GVHD) 需要免疫抑制,在其他炎症状态中可能是禁忌.
研究的目的:
- 开发一种可解释的人工智能 (XAI) 模型,以区分细菌感染,病毒感染和自身免疫性疾病/GVHD.
- 用简单的血液检测来准确地分类炎症状况.
- 为了指导炎症状况的治疗决策.
主要方法:
- 分析了80名患有炎症疾病的患者和38名对照患者的外周血液.
- 使用全血细胞计,CRP分析和流细胞计来检测骨髓细胞激活标记物 (CD169,CD64,HLA-DR).
- 一个两步的XAI模型:控制与炎症分类的C5.0规则,以及分类亚型的双变量决策树.
主要成果:
- 在区分炎症状况方面,XAI模型实现了81.0%的整体准确性.
- 细菌感染,病毒感染和自身免疫性疾病/GVHD的具体准确率分别为90.3%,80.0%和79.0%.
- 对中性粒细胞的CD64表达是控制与炎症分类的关键;单细胞计数和CD169表达对亚型分化至关重要.
结论:
- 从血液参数获得的可解释AI (XAI) 规则可以有效地指导炎症状况的治疗决策.
- 开发的XAI模型为差异诊断提供了一种简单且可实施的方法.
- 迅速获得的血液参数与XAI相结合,为管理炎症性疾病提供了强大的工具.
