通过基于AI的病理学诊断临床适用的优化周围假肢关节感染诊断
Ye Tao1, Yazhi Luo2, Hanwen Hu1
1Orthopedics Department, Fourth Medical Center, Chinese PLA General Hospital, Beijing, China.
NPJ digital medicine
|October 27, 2024
概括
这项研究开发了一种人工智能模型,以改善周围假肢关节感染 (PJI) 诊断,提高准确性并减少关节置换感染的诊断工作量.
科学领域:
- 人工智能在病理学中的应用
- 传染病诊断 传染病诊断 传染病诊断
- 医学成像分析 医学成像分析
背景情况:
- 周围假肢关节感染 (PJI) 是关节置换手术后的一种严重并发症.
- 准确及时诊断PJI对于有效的患者治疗和结果至关重要.
- 当前的诊断方法可能是劳动密集型的,需要改进以提高效率.
研究的目的:
- 为了提高周围假肢关节感染 (PJI) 的诊断准确度.
- 开发和评估用于PJI病理学的人工智能 (AI) 模型.
- 改进诊断标准,减少PJI病例的诊断工作量.
主要方法:
- 使用DINO v2开发了一个自我监督的AI模型,以生成用于PJI分析的大数据集.
- 对比了多个智能模型,包括EfficientNet v2-S和CAMEL2,用于诊断性能.
- 利用最佳AI模型进行视觉分析来调整诊断标准,减少高功率场诊断.
主要成果:
- 自主监督模型生成了27724个训练样本,并实现了1.0的曲线下面面积 (AUC).
- EfficientNet v2-S在图像层面表现出卓越的性能,而CAMEL2在患者层面表现出色.
- 通过实施人工智能驱动模型,每张幻灯片所需的高功率场诊断从五次减少到三次.
结论:
- 人工智能,特别是自主监督学习,显著提高了PJI病理学的准确性和标准化.
- 开发的AI模型提供了一个强大的工具,用于改进传染病诊断中的诊断实践.
- 这些进展对改善围围假肢关节感染的治疗有着重大影响.


