微软副驾驶人工智能在慢性伤口评估中的诊断准确性:一项比较研究

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 伤口护理诊断 诊断 伤口护理

背景情况:

• 慢性伤害影响2.5%的美国人口,造成严重的健康风险.
• 及时识别和治疗对于管理慢性伤口并发症至关重要.
• 人工智能 (AI) 工具的临床诊断准确性,比如微软对慢性伤口的Copilot,在很大程度上是未被探索的.

研究的目的:

• 为了评估微软Copilot在识别慢性伤口方面的诊断准确性.
• 评估AI在加快慢性伤口诊断方面的潜力.

主要方法:

• 使用图像和人口统计数据分析了10起慢性伤病病例.
• 微软Copilot为每个病例生成了前3个差异诊断.
• 用分数系统和统计测试来评估诊断的准确性,包括威尔科克森的签名等级,引导,排列,科恩卡帕和费舍尔的精确测试.

主要成果:

• 副飞行员在初级诊断中实现了30%的准确性,在前3个差异中达到70%.
• 平均诊断分数为1.7,中位数为2.
• 统计分析表明完全一致 (Cohen kappa = 1),但整体诊断性能有限.

结论:

• 微软Copilot在慢性伤口评估方面表现出有限的诊断准确性.
• 建议谨慎将AI整合到临床工作流程中.
• 更广泛的数据集和严格的验证对于改善创伤护理中的人工智能辅助诊断至关重要.