基于人工智能的多式模式模型的开发,以协助新生儿死性肠球炎的诊断:一项回顾性研究
Kaijie Cui1, Shao Changrong2, Yu Maomin3
1Neonatal Intensive Care Unit, Women and Children's Hospital, Qingdao University, Qingdao, China.
Frontiers in pediatrics
|June 3, 2024
概括
这项研究开发了一种人工智能多式模式,用于早期诊断新生儿死性肠球炎 (NEC). 该模型实现了高精度,与经验丰富的儿科医生相美,有助于及时诊断.
科学领域:
- 新生儿医学 新生儿医学
- 医疗保健中的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 结核性肠球炎 (NEC) 是新生儿严重的胃肠道紧急情况.
- 早期和准确的NEC诊断对于改善患者的结果至关重要.
- 当前的诊断方法可能具有挑战性,需要先进的辅助工具.
研究的目的:
- 开发和验证基于人工智能的多式模式模型,用于新生儿NEC的早期诊断.
- 提高临床实践中的诊断准确性和效率.
- 为NEC诊断提供一种新的方法,特别是在资源有限的环境中.
主要方法:
- 一项回顾性研究收集了408名新生儿 (2022年1月至2024年1月) 的实验室检测结果和腹部X射线图像.
- 在这个数据集上开发和训练了一种多式人工智能模型,区分NEC和非NEC病例.
- 梯度加权类激活映射 (GradCAM) 用于模型解释性,并与临床医生对性能进行了验证.
主要成果:
- 多式联运模型在验证数据集上实现了0.91的曲线下的面积和0.94的准确性.
- 格拉德卡姆分析显示,该模型专注于关键指标,如肠扩张,胀和气体模式.
- 外部验证显示,该模型的诊断准确性与具有10年经验的儿科医生相比.
结论:
- 开发的AI多式模式模型显示出在帮助临床医生在NEC的早期和准确诊断方面具有重大潜力.
- 这项技术为改善新生儿护理诊断能力提供了一个有希望的新途径.
- 该模型的性能表明它可能是一个有价值的工具,特别是在对专家儿科医生的访问有限的地区.
