一个基于人工智能的新型移动应用程序,用于儿童体重估计
Sungwoo Choi1, Sangun Nah1, Ji Eun Moon2
1Department of Emergency Medicine, Soonchunhyang University Bucheon Hospital, Bucheon 14584, Republic of Korea.
Journal of clinical medicine
|May 14, 2025
概括
一个新的AI摄像机应用程序 (PAICam) 使用姿势估计来估计儿科体重,在紧急情况下显示的准确性与Broselow磁带相当. 该工具提供了一个潜在的替代方案,用于在关键情况下快速,可靠的重量评估.
科学领域:
- 医疗技术 医疗技术 医学技术
- 医疗保健中的人工智能
- 儿科急救医学 儿科急救医学
背景情况:
- 准确的儿科体重估计对于紧急药物剂量至关重要.
- 传统的以长度为基础的工具在有限的位置上可能不准确.
- 需要新的人工智能驱动的方法来提高准确性和可访问性.
研究的目的:
- 开发和评估使用人类姿势估计和深度神经网络的体重预测应用程序 (PAICam).
- 为了比较PAICam与Broselow磁带的准确性,用于儿科体重估计.
- 评估PAICam在紧急情况下的临床实用性.
主要方法:
- 前性横截面研究 (2023年6月至2024年5月),包括1335名儿科患者 (1个月至12岁).
- 使用平均百分比误差 (MPE),平均绝对百分比误差 (MAPE) 和根平均平方百分比误差 (RMSPE) 评估重量估计准确性.
- PAICam和Broselow磁带 (BT) 的性能比较,包括10% (PW10) 和20% (PW20) 内的重量估计的百分比.
主要成果:
- 在所有错误指标 (MPE,MAPE,RMSPE) 中,PAICam和BT表现相似.
- 观察到准确的重量估计的百分比相似:PW10 (52.6% BT对比51.2%PAICam) 和PW20 (79.1% BT对比77.7%PAICam).
- 在两种方法的实际和预测权重之间发现了强烈的一致性 (ICC值为0.959对比0.955).
结论:
- 利用深度学习和姿势估计,PAICam是儿科体重估计的可行替代方案.
- 这种由人工智能驱动的工具的准确性与已知的Broselow磁带相提并论.
- 在紧急情况下,PAICam显示了改善儿科体重评估的潜力.
