使用人工智能区分儿童多系统炎症综合征与伤寒:MIS-C与MIS-C 地方性伤寒 (AI-MET)
Angela Chun1, Abraham Bautista-Castillo2, Isabella Osuna1
1Division of Rheumatology, Department of Pediatrics, Baylor College of Medicine and Texas Children's Hospital; Houston, TX 77030, USA.
The Journal of infectious diseases
|January 6, 2025
概括
人工智能 (AI) 现在可以准确地区分儿童多系统炎症综合征 (MIS-C) 和流行性伤寒. 这种人工智能工具有助于临床医生在流行地区诊断发烧儿童.
科学领域:
- 儿童传染病 儿童传染病
- 计算医学是一种计算医学.
- 流行病学 流行病学
背景情况:
- 在COVID-19之后的儿童多系统炎症综合征 (MIS-C) 可能类似于流行性伤寒.
- 准确的区分对于适当的患者管理至关重要.
研究的目的:
- 开发和验证一个人工智能驱动的临床决策支持系统 (AI-MET),以区分MIS-C和流行性伤寒.
主要方法:
- 利用了来自133名MIS-C和87名伤寒患者的人口,临床和实验室数据.
- 开发了一种两相人工智能模型 (MET-17和MET-30),结合了注意力模块和循环神经网络.
- 采用了17个初始特征,如果初始分类信心没有达到,则使用额外的13个特征.
主要成果:
- 在最初的队列中,AI-MET模型在分类伤寒和MIS-C方面取得了100%的准确性.
- 一组111名MIS-C患者的验证队列以99%的准确度被分类.
- 单个临床特征显示了统计差异,但单独缺乏足够的歧视力.
结论:
- 人工智能在使用随时可用的临床数据来区分MIS-C和伤寒时表现出高效率.
- AI-MET系统为在流行地区管理发烧儿童的前线提供者提供了一个有价值的工具.
- 这项技术可以提高诊断准确度和及时启动治疗.


