从急诊室使用计算机视觉AI与患者短视频剪辑预测住院情况

科学领域:

• 人工智能的人工智能
• 医疗信息学 医疗信息学
• 计算机视觉 计算机视觉

背景情况:

• 紧急部门 (ED) 的分组依赖于临床医生的"眼球"或临床手势来快速评估患者.
• 预测患者的处置 (例如入院) 对于高效的ED工作流程和资源分配至关重要.

研究的目的:

• 评估计算机视觉人工智能算法在使用短视频剪辑预测患者从ED处置的性能.
• 使用视频数据与传统分拣临床数据比较AI性能.
• 确定视频和临床数据对患者处置的综合预测能力.

主要方法:

• 学术ED的成年患者被前性地录取.
• 通过手机拍摄患者执行简单任务的视频.
• 人工智能模型经过训练和评估,使用视频数据,分拣数据和两者的组合来预测入院情况.

主要成果:

• 仅使用视频的人工智能实现了0.693的AUROC,仅使用分拣临床数据 (AUROC 0.678) 的模型表现优于AUROC 0.693.
• 结合视频和分拣数据的组合模型显示出最高的预测性能,AUROC为0.714.
• 置信区间表明模型之间的性能在统计学上有显著差异.

结论:

• 计算机视觉人工智能算法显示了提高ED分拣精度的巨大潜力.
• 基于视频的人工智能可以作为一种有价值的工具,以支持紧急医学的临床决策.
• 这项技术可以通过改善患者流动来帮助缓解高需求时期的医疗保健能力压力.