对高血压脑内出血的知识图增强深度学习模型 (H-SYSTEM):模型开发和验证
Yulong Xia1, Jie Li2, Bo Deng1
1Department of Neurosurgery, The First Affiliated Hospital of Chongqing Medical University, No. 1 Youyi Road, Yuanjiagang, Yuzhong District, Chongqing, China, 86 13638354200.
Journal of medical Internet research
|June 12, 2025
概括
人工智能决策支持工具H-SYSTEM准确地协助神经外科医生诊断和治疗高血压脑内出血. 这种知识图增强系统提供了可解释的计划,性能优于现有的人工智能,与医生相比显示出高可靠性.
科学领域:
- 人工智能在医学中的应用
- 临床决策支持系统 临床决策支持系统
- 神经科学是一个神经科学.
背景情况:
- 人工智能开发在临床实践中面临挑战,特别是在个性化治疗规划等复杂任务中.
- 大型语言模型 (LLM) 是有前途的,但在临床环境中与专业知识和患者复杂性作斗争.
研究的目的:
- 开发H-SYSTEM,一个可解释和高效的AI决策支持系统,用于治疗高血压脑内出血的神经外科医生.
- 通过整合医疗领域知识图表来提高AI决策的准确性和可解释性.
主要方法:
- H-SYSTEM集成了命名实体识别 (NER),语义分析和推理模块.
- 为高血压脑内出血构建了一个医疗知识图 (HKG),以指导系统模块并提高可解释性.
- 该系统的性能与神经外科医生和大型语言模型 (LLM) 相比进行了评估.
主要成果:
- 与神经外科医生相比,H-SYSTEM实现了94.87%的准确性.
- 用于NER的BERT-IDCNN-BiLSTM-CRF模型显示出卓越的性能 (F1得分=91.11).
- 在诊断 (88.18%),手术治疗 (98.53%) 和救援疗法 (89.50%) 中,H-SYSTEM显示出高准确度,具有统计学上显著的一致性 (P<.05).
- 与医生和ChatGPT相比,H-SYSTEM的准确性更高 (95.26%与91.48%,P<.05).
- 该系统表现出强大的概括性,在6个医疗中心的605名患者中实现了92.22%的准确性.
结论:
- 在处理电子医疗记录方面,H-SYSTEM提供了显著的效率和概括性.
- 该系统提供了可解释和详细的治疗计划,支持在紧急情况下快速的神经外科决策.
- 通过知识图表增强的深度学习显示了临床实践任务的巨大潜力.
