机器学习预测cauda equina成像结果 - - 解决问题的解决方案
Rosa Sun1, Abdelmageed Abdelrahman Ramadan2, Thaaqib Nazar3
1Department of Neurosurgery, Queen Elizabeth Hospital, Mindelsohn Way, Birmingham, B15 2TH, UK.
概括
机器学习可以显著减少不必要的MRI扫描可疑的Cauda Equina综合征 (CES) 超过95%. 这种人工智能工具有助于准确分组患者,提高这种罕见的外科紧急情况的诊断效率.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 神经外科 神经外科
背景情况:
- 尾牙综合征 (CES) 是一种严重的外科紧急情况,对生活质量有严重的影响.
- 没有单一的症状可以确定CES的确诊,这使得早期治疗变得复杂.
- 机器学习 (ML) 提供了一种新的方法来提高诊断准确性和患者分拣.
研究的目的:
- 评估ML算法在诊断疑似CES (CES-S) 的患者中的有效性.
- 评估ML的潜力,以减少紧急MRI扫描的数量.
- 探索预测信心 (CoP) 在ML驱动的诊断途径中的作用.
主要方法:
- 分析了499名疑似CES患者的数据集.
- 一个ML算法被训练来预测MRI诊断的CES.
- 算法预测和预测信心 (CoP) 在测试组上进行了评估.
主要成果:
- ML算法表现出高准确度,正确分类了476个负的和6个正的CES病例,具有高的CoP.
- 只有高COP阳性预测和所有低COP病例的扫描策略可以将MRI扫描减少95%以上.
- 在低COP预测中发现了6个假阴性.
结论:
- 在疑似CES病例中,ML算法显示出减少不必要的紧急MRI扫描的巨大潜力.
- 为了广泛的临床采用,需要对大规模前性数据进行进一步的验证.
- 持续的算法训练对于提高预测准确性和信心至关重要.
