用电子医疗记录预测烧伤深度的AI驱动集成系统:算法开发和验证

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 燃烧管理 燃烧管理

背景情况:

• 准确的燃烧深度评估对于有效的治疗和患者的治疗结果至关重要.
• 传统的视觉检查方法具有可变的诊断准确性,导致不理想的临床决定.
• 需要一种更一致,更准确的方法来对燃烧分类.

研究的目的:

• 为了评估一个多式联网人工智能 (AI) 系统,以准确的燃烧深度分类.
• 确定人工智能系统是否可以在电子病历 (EMR) 中保持诊断准确性.
• 评估AI系统作为临床决策支持工具的实用性.

主要方法:

• 开发了一个多式人工智能系统,集成数字照片和超声波组织多普勒成像 (TDI).
• 通过EMR系统 (DrChrono) 访问和处理成像数据.
• 基于GPT-4的视觉语言模型使用专家制定的提示提示来解释图像进行分类.

主要成果:

• 人工智能分类器在识别烧伤程度方面实现了84.38%的整体准确性.
• 性能明显超过了典型的人类诊断准确性基准.
• 接收器运行特征曲线下的面积显示出高性能:0.97 (第一度),0.96 (第二度) 和1.00 (第三度).

结论:

• 对EMR存储的成像数据的多式人工智能分析能够实时预测燃烧深度.
• 该系统通过利用表面烧伤的数字照片和深度烧伤的TDI来提高诊断效率.
• 这种人工智能方法为烧伤护理提供了显著的进步,特别是在资源有限的环境中.