基于人工智能的头痛诊断模型的初步外部验证结果:一个多中心前性观察研究

科学领域:

• 神经学 神经学
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 错误诊断头痛疾病是一个重大的临床挑战.
• 对基于AI的头痛诊断模型的外部验证是有限的.
• 之前开发了一种使用大型诊所数据库的人工智能头痛诊断模型.

研究的目的:

• 未来对先前开发的基于人工智能的头痛诊断模型进行外部验证.
• 在现实世界,多中心环境中评估AI模型的诊断性能.
• 评估AI在诊断各种头痛疾病中的准确性和可靠性.

主要方法:

• 使用59名头痛患者的队列进行前性外部验证.
• 从2023年8月到2024年2月,在多个机构收集的数据.
• 通过基于问卷和头痛日记的专家诊断建立的基本真理.

主要成果:

• 人工智能模型的整体准确率为94.92%,kappa为0.65.
• 高灵敏度 (98.21%) 和精确度 (98.21%) 在偏头痛诊断中.
• 该模型在59名患者中正确诊断了56名患者,在两个病例中存在差异.

结论:

• 这是AI头痛诊断模型的第一个外部验证.
• 人工智能模型显示,对于准确的头痛障碍诊断有很大的潜力.
• 进一步的前性数据收集和验证对于提高现实世界的性能至关重要.