人工智能算法用于实时诊断,协助 orofacial 疼痛.

科学领域:

• 临床信息学是一种临床信息学.
• 机器学习在医疗保健中的应用
• 面部或脸部疼痛诊断 面部或脸部疼痛诊断

背景情况:

• 由于不完整或不一致的临床数据,误诊是常见的.
• 口腔面部疼痛是一个重大的诊断挑战,特别是对于经验较少的临床医生来说.

研究的目的:

• 评估一个结构化,机器学习兼容的系统,以改善面部疼痛诊断.
• 在实时临床接触中评估一个天真的贝叶斯推理算法的诊断准确性.

主要方法:

• 一个结构化的笔记记录系统记录了1020名口腔面部疼痛患者的临床数据.
• 一个天真的贝叶斯推理算法计算了数据输入时的诊断概率.
• 算法的准确性与使用新患者病例的其他5种机器学习算法进行了比较.

主要成果:

• 与其他机器学习模型相比,天真的贝叶斯算法表现出了有利的准确性.
• 该系统在患者接触期间提供实时诊断概率更新.

结论:

• 一个高度结构化的电子病历,捕捉疾病定义特征,对于诊断准确性至关重要.
• 这种结构化的方法有望改善临床实践中的诊断一致性.