功能性消化不良患者使用脑体生物信号的模式识别:人工智能算法开发临床试验协议
Won-Joon Koh1, Junsuk Kim2, Younbyoung Chae3
1Department of Korean Medicine, Graduate School, Kyung Hee University, Seoul 02453, Republic of Korea.
Journal of clinical medicine
|February 26, 2025
概括
这项研究开发了一种使用脑体生物信号的AI算法,以改善功能性消化不良 (FD) 的诊断. 将人工智能与生物信号相结合,提高了韩国传统医学诊断对FD患者的客观性和可靠性.
科学领域:
- 综合医学是一个整体的医学.
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
背景情况:
- 功能性消化不良 (FD) 是一种普遍存在的胃肠道疾病,影响8-46%的人口,造成严重的社会经济负担.
- 当前传统医学对FD的诊断依赖于主观方法,如观察,询问,腹部检查和脉冲诊断,缺乏标准化和客观性.
- 需要加强诊断工具,以提高传统医学中FD评估的准确性和可靠性.
研究的目的:
- 开发一种基于人工智能 (AI) 的算法,用于预测功能性消化不良 (FD) 患者的识别模式.
- 整合多模式生物信号数据,包括大脑活动,脉冲波,皮肤导电率和心电图,以提高诊断能力.
- 提高韩国传统医学的客观性和可靠性,提高韩国传统医学的FD诊断协议的可靠性.
主要方法:
- 一项观察性横截面研究,涉及100名根据罗马四号标准诊断出FD的患者.
- 使用功能近红外光谱 (fNIRS),脉冲波分析,皮肤导电反应 (SCR) 和心电图 (ECG) 收集集成的大脑与身体生物信号数据.
- 开发人工智能算法来分析生物信号模式,并将其与韩国执照医生提供的差异诊断相关联.
主要成果:
- 人工智能算法是通过整合来自FD患者的多模式生物信号数据来创建的.
- 该研究协议已被机构审查委员会批准,并在韩国临床试验登记处注册.
- 预计基于人工智能的生物信号分析的整合将提高传统诊断方法的客观性和可靠性.
结论:
- 生物信号分析和人工智能的整合提供了一个有希望的方法来改善诊断FD的临床实践.
- 这种方法有可能在更广泛的医疗保健系统中加强传统医学诊断过程的接受和标准化.
- 人工智能驱动的生物信号分析可以为功能性消化不良患者提供更客观和可靠的诊断.
