开发和测试一种深度学习算法,以使用手持超声波检测肺炎儿童的肺部巩固
David Kessler1, Meihua Zhu2, Cynthia R Gregory2
1Department of Emergency Medicine, Columbia University Vagelos College of Physicians & Surgeons, New York Presbyterian Morgan Stanley Children's Hospital, NY, NY, United States of America.
PloS one
|August 27, 2024
概括
一个人工智能算法使用肺部超声波准确检测儿童的肺炎. 这种人工智能工具在资源有限的环境中为严重的肺炎提供了至关重要的诊断支持.
科学领域:
- 医疗诊断中的人工智能
- 儿科肺病学 儿科肺病学
- 护理中心超声波检查
背景情况:
- 在全球范围内,严重的肺炎是幼儿死亡的主要原因.
- 在许多地区,获得先进的诊断成像技术是有限的,这阻碍了及时诊断.
- 需要为儿童肺炎提供可访问和准确的诊断工具.
研究的目的:
- 开发和验证一种人工智能 (AI) 算法,用于检测在医疗中心肺部超声波上肺结合.
- 在怀疑肺炎的住院儿童中评估AI算法的准确性.
主要方法:
- 一项前性多中心研究招募了107名儿科参与者 (18个月至17岁) 怀疑患有下呼吸道感染.
- 床边肺部超声波使用手持设备进行,采用标准化的数据收集协议.
- 在视频数据上训练,调整和测试了一种AI算法,以检测整合,成人数据增强了训练集.
主要成果:
- 人工智能算法在识别和定位整合方面实现了88.5%的整体准确性.
- 具体的性能指标包括88%的灵敏度,89%的特异性,89%的积极预测值和87%的负预测值.
- 该模型是使用107名儿科参与者的数据开发的,包括604个积极的和589个负面的视频,用于整合.
结论:
- 开发的AI算法在确定儿科胸部超声波的结合性以诊断肺炎方面表现出高准确性.
- 通过超便携式护理点设备的自动诊断支持对全球健康具有重大潜力,特别是在资源有限的环境中.
- 这项技术可以改善儿童肺炎的检测和管理,特别是在缺乏先进成像能力的严格环境中.
