开发基于人工智能的多式诊断系统,用于早期检测胆道动
Ya Ma1, Yuancheng Yang2,3, Yuxin Du2,3
1Department of Ultrasound, Capital Institute of Pediatrics, Beijing, China.
BMC medicine
|February 27, 2025
概括
人工智能 (AI) 通过分析多式联络数据,帮助早期诊断胆道 (BA). 人工智能模型显示出高准确度,改善了临床医生的诊断性能,并解决了罕见疾病检测方面的挑战.
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
- 儿科胃肠病学 儿科胃肠病学
背景情况:
- 胆道缩症 (BA) 的早期诊断对于患者的治疗结果至关重要,但仍然是一个全球性的挑战.
- 人工智能 (AI) 提供了改进BA诊断的潜力,但使用多式联运数据的应用尚未得到开发.
- 这项研究解决了使用各种数据进行BA诊断的先进AI解决方案的需求.
研究的目的:
- 通过利用多种数据来源,开发胆道动 (BA) 的智能诊断系统.
- 创建一个新的深度学习模型用于BA诊断,可以使用易于获得的数据来简化.
- 评估人工智能系统的诊断准确度及其协助人类专家的潜力.
主要方法:
- 构建已知最大的多式联运BA数据集,包括超声图像,临床数据和实验室结果.
- 开发一种新的深度学习模型和使用易获取数据 (消除血液样本) 的简化版本.
- 在前性研究中对模型进行外部验证,并与人类专家的性能进行比较.
主要成果:
- 多式联络模型在回顾性研究中达到0.9870的AUC,在前性外部测试组中达到0.9740的AUC.
- 一个简化的模型实现了0.9799的AUC,在没有血液样本的情况下证明了高准确性.
- 人工智能辅助显著提高了经验较少的放射科医生的诊断准确性,从AUC的0.6667到0.9006.6.
结论:
- 基于AI的查应用程序有效地促进了胆道的早期诊断.
- 该模型具有很高的准确性,并作为诊断罕见疾病的宝贵参考.
- 人工智能系统具有显著的临床潜力,可以提高诊断性能和改善患者的治疗结果.
