相关实验视频
Updated: May 12, 2026

Establishment and Characterization of UTI and CAUTI in a Mouse Model
Published on: June 23, 2015
根据致病微生物的尿液培养结果进行尿液分析的预测性能:用人工智能进行综合分析
Min Hyuk Choi1, Dokyun Kim1, Hye Gyung Bae2
1Department of Laboratory Medicine and Research Institute of Bacterial Resistance, Gangnam Severance Hospital, Yonsei University College of Medicine, Seoul, South Korea.
尿液分析 (UA) 显示在预测某些尿路感染 (UTI) 方面存在局限性,特别是那些由格拉姆阳性细菌引起的. 将人工智能 (AI) 与UA集成,可以显著提高所有引起尿路感染的微生物的诊断准确性.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 临床微生物学 临床微生物学
- 医疗保健中的人工智能
背景情况:
- 尿路感染 (UTI) 在社区和医院环境中很常见.
- 引起尿路感染的微生物的变化趋势可能会影响传统尿液分析 (UA) 的有效性.
- 预测UA的性能因特定的致病原体而异.
研究的目的:
- 基于致病微生物的尿液培养结果评估UA的预测性能.
- 通过将UA结果与人工智能 (AI) 方法集成来评估预测能力的提高.
- 开发和验证人工智能模型,以使用最小的临床数据进行增强性尿路感染诊断.
主要方法:
- 分析了来自多个医疗机构的360,376名疑似尿路感染患者记录.
- 对UA测试的评估,包括白细胞化酶和酸盐,用于预测尿液培养的阳性.
- 使用人口统计数据,UA,全血细胞计和血清肌素的AI模型的开发和外部验证.
主要成果:
- 氨基酸对格拉姆阴性细菌尿的预测性表现良好,但对格拉姆阳性细菌尿的准确性有限.
- 人工智能模型显著提高了尿液培养结果的整体预测能力 (AUROC 0.872).
- 人工智能模型在克拉姆阴性,克拉姆阳性细菌和真菌感染中表现出卓越的表现.
结论:
- 标准的UA在预测某些细菌引起的尿路感染方面存在局限性,需要改进诊断方法.
- 人工智能与UA的整合显示出显著的潜力,可以提高对广泛的尿路感染病原体的诊断准确性.
- 开发的AI模型为更精确的尿路感染诊断提供了有希望的工具,即使患者数据有限.
更多相关视频
07:34Isolation of Single Intracellular Bacterial Communities Generated from a Murine Model of Urinary Tract Infection for Downstream Single-cell Analysis
Published on: April 16, 2019
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
相关概念视频
Urinary Tract Infection I: Introduction
Urinary Tract Infection III: Diagnostic Studies and Interprofessional Care
Urinary Tract Infection IV: Nursing Management
Urine Studies I: Urinalysis
Urine Studies II: Urine Culture and Sensitivity Test
Automated Microbial Diagnostics