使用在健康受试者身上训练的AI模型量化损伤和疾病严重程度
Boyang Yu1, Aakash Kaku1, Kangning Liu1
1Center for Data Science, New York University, 60 Fifth Ave, New York, NY, 10011, USA.
NPJ digital medicine
|July 5, 2024
概括
一个新的AI框架,COnfidence-Based chaRacterization of Anomalies (COBRA) 评分,通过在健康数据上训练的模型来评估疾病的严重程度. 这种人工智能工具与中风和骨关节炎患者的临床评估有很强的相关性.
科学领域:
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
- 数字健康数字健康
背景情况:
- 自动评估疾病严重程度和损伤对于数据驱动医学至关重要.
- 目前的临床评估可能耗时且不频繁,限制了患者的监测和治疗适应.
研究的目的:
- 引入一个新的AI框架,COnfidence-Based chaRacterization of Anomalies (COBRA) 评分,用于量化疾病严重程度.
- 为了证明COBRA评分在评估中风患者上肢损伤和膝关节骨关节炎严重程度方面的有效性.
主要方法:
- 开发了一个人工智能框架,使用专门在健康个体上训练的模型.
- 科布拉评分通过测量模型信心来量化患者与健康规范的偏差.
- 将COBRA分数应用于可穿戴传感器,视频和MRI扫描的数据.
主要成果:
- 在使用可穿戴传感器 (ρ = 0.814) 和视频 (ρ = 0.736) 的中风患者中,COBRA得分与Fugl-Meyer评估有很强的相关性.
- 科布拉评分还显示了与MRI扫描中的膝关节骨关节炎严重程度临床评估的显著相关性 (ρ = 0.644).
- 科布拉分数在不到一分钟的时间内自动计算,比传统方法快得多.
结论:
- 科布拉评分为评估损伤和疾病严重程度提供了一种快速,自动化的方法.
- 这种人工智能驱动的方法在不同的条件和数据模式中展示了可概括性.
- 科布拉评分有可能提高患者监测和个性化康复方案.
