将区块链技术与人工智能集成,用于诊断小腿高原骨折
Yi Xie1,2, Xiaoliang Chen3, Huiwen Yang2,4
1Department of Orthopedics Surgery, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
概括
这项研究引入了一种新型的诊断模型,将区块链和人工智能 (AI) 整合起来,用于识别骨高原骨折 (TPF). 这种由人工智能驱动的模型在紧急情况下提高了诊断准确性和效率,而不会影响数据安全.
科学领域:
- 医学成像和诊断 医学成像和诊断
- 医疗保健中的人工智能
- 区块链技术应用 区块链技术应用
背景情况:
- 人工智能 (AI) 在医疗保健中得到了广泛的应用,但对医疗模型培训的安全数据利用仍然是一个挑战.
- 现有的人工智能模型往往缺乏对原始数据的强大安全性,影响临床决策和现实世界的应用.
- 骨平原骨折 (TPFs) 需要在紧急情况下准确及时诊断.
研究的目的:
- 评估TPF识别先进诊断模型的可行性和有效性.
- 将区块链技术与人工智能集成为安全和协作医疗模型培训.
- 评估模型对紧急情况下临床决策的影响.
主要方法:
- 使用区块链技术创建了一个分布式数据库,用于来自三个医院的创伤骨科图像.
- 一个结合区块链和深度学习的分布式AI网络被开发用于TPF检测.
- 模型性能使用准确度,灵敏度,特异性,F1得分和AUC进行评估,并与集中模型和医生进行外部验证.
主要成果:
- 分布式AI模型在测试中实现了高精度 (0.9603) 和AUC (0.9911).
- 在外部验证中,分布式模型的准确性 (0.9636) 超过了骨科 (0.9291) 和放射学 (0.9175) 医生 (p < 0.05).
- 与人类医生相比,人工智能模型的诊断时间明显更快 (p < 0.05).
结论:
- 整合区块链和人工智能使TPF的安全,协作和方便的辅助诊断成为可能.
- 分散算法允许在数据不离开医院的情况下进行模型训练,确保数据安全.
- 这种方法在紧急情况下具有显著的临床应用价值.
