相关实验视频
Updated: Jun 29, 2026
06:55
Low-Cost, Volume-Controlled Dipstick Urinalysis for Home-Testing
Published on: May 8, 2021
5.5K
开发和验证智能手机应用程序用于新生儿黄查
Alvin Jia Hao Ngeow1,2,3,4, Aminath Shiwaza Moosa5,6, Mary Grace Tan1
1Department of Neonatal and Developmental Medicine, Singapore General Hospital, Singapore.
JAMA network open
|December 11, 2024
概括
一个使用机器学习 (ML) 的新智能手机应用程序通过分析皮肤颜色有效地选新生儿黄 (NNJ). 这种工具具有很高的准确性,有可能改善新生儿NNJ的早期检测和管理.
科学领域:
- 医疗信息学 医疗信息学
- 新生儿科学 新生儿科学
- 医疗保健中的机器学习
背景情况:
- 新生儿黄 (NNJ) 影响大量新生儿,需要有效的查方法.
- 目前的查方法可以是侵入性的或主观的,突出了客观,非侵入性的工具的需要.
研究的目的:
- 开发和验证基于智能手机的机器学习 (ML) 应用程序,用于预测新生儿血清胆红素 (SpB) 水平.
- 用皮肤颜色分析来评估应用程序在查高白血症方面的表现.
主要方法:
- 一个智能手机应用程序集成了在新生儿皮肤图像上训练的ML算法,以克莱默原则为指导.
- 该应用程序使用了标准化的颜色校准卡,并分析了多个感兴趣的区域.
- 用皮尔森相关性,灵敏度,特异性和与血清总 bilirubin (TSB) 的一致性等指标评估模型性能.
主要成果:
- ML应用程序显示了强烈的相关性 (Pearson r=0.84) 和与TSB水平的一致性.
- 实现了100%的灵敏度和70%的特异性,用于检测TSB≥17 mg/dL与SpB≥13 mg/dL.
- 82%的预测都在临床上可接受的TSB限 (±3 mg/dL) 之内.
结论:
- 开发的基于智能手机的ML应用程序显示了作为新生儿黄的非侵入性查工具的巨大潜力.
- 该工具在检测高胆固醇水平方面表现出高灵敏度,补充了TSB测量.
- 建议进行进一步的研究,以确认在不同的临床环境中可通用性和成本效益.
