使用人工智能在性健康诊所中区分mpox与常见皮肤病变:算法开发和验证研究
Nyi Nyi Soe1,2, Zhen Yu1,3, Phyu Mon Latt1,2
1Artificial Intelligence and Modelling in Epidemiology Program, Melbourne Sexual Health Centre, Alfred Health, Melbourne, Australia.
Journal of medical Internet research
|September 13, 2024
概括
一个人工智能 (AI) 工具使用深度学习图像分析有效地区分mopox病变与其他皮肤疾病. 这种人工智能模型有助于在性健康诊所内早期识别mopox.
科学领域:
- 医疗信息学 医疗信息学
- 皮肤病学 皮肤病学
- 人工智能的人工智能
背景情况:
- 2022年全球mopox疫情需要加强感染控制和在卫生机构早期发现病例.
- 改变临床流程和实施新措施对于减轻mopox疫情影响至关重要.
研究的目的:
- 开发和评估一种基于人工智能 (AI) 的工具,用于区分mopox病变图像与其他皮肤病变.
- 该工具旨在支持在性健康诊所设置中早期识别mopox病例.
主要方法:
- 利用来自性健康诊所和网络资源的2200个mpox和非mpox病变图像的数据集.
- 采用了六种架构的深度学习方法,包括DenseNet-121和ResNet-18,用于AI模型培训.
- 评估模型使用保留和外部验证数据集,结合兴趣地区方法.
主要成果:
- 而DenseNet-121模型的AUC值为0.928,准确度为0.848.
- 采用兴趣地区方法的实施使得DenseNet-121的AUC提高到0.982,使正确的mopox图像分类提高到94%.
- 在外部验证中,ResNet-18和DenseNet-121显示出高性能,ResNet-18的AUC为0.990和精度为0.947.
结论:
- 基于人工智能的图像识别算法可以准确地区分mopox和常见的皮肤病变.
- 研究结果支持将人工智能技术潜在地整合到性健康诊所,以改善诊断.
- 进一步的研究可以为更广泛的临床应用改进人工智能算法.
