预测Med-CDSS:基于人工智能的决策支持系统预测神经肌肉形发育的可能性
Carlo M Bertoncelli1,2, Federico Solla2, Michal Latalski3
1Department of Computer Science, Hal Marcus College of Science & Engineering, University of West Florida, Pensacola, FL 32514, USA.
Bioengineering (Basel, Switzerland)
|August 28, 2025
概括
一个新的临床决策支持系统 (CDSS) 有效地预测脑儿童的神经肌肉形 (NHD). 机器学习,特别是神经网络,在识别有风险的个体进行早期干预方面表现出很高的准确性.
科学领域:
- 生物医学工程
- 医疗保健中的人工智能
- 儿童整形医学
背景情况:
- 神经肌发育不良 (NHD) 是患有脑 (CP) 的儿童的常见并发症.
- 目前NHD的预测模型有限,需要先进的诊断工具.
- 早期识别NHD风险对于 CP 患者及时干预至关重要.
研究的目的:
- 开发和评估临床决策支持系统 (CDSS),用于预测CP儿童的NHD概率.
- 通过临床数据利用机器学习算法进行加强的NHD风险评估.
- 引入PredictMed-CDSS原型,以改善CP管理中的临床决策.
主要方法:
- 使用了一组机器学习算法 (神经网络,支持矢量机器,物流回归).
- 该CDSS是按照DECIDE- AI指南开发和验证的,使用了182名CP患者 (年龄12-18岁) 的数据.
- 用前性方式收集和分析临床和功能数据以确定NHD预测因子.
主要成果:
- 逻辑回归确定了关键预测因素:之前的骨科手术,运动功能低下,骨干律障碍,脊椎病,四肢.
- 神经网络 (NN) 模型实现了最高的预测性能,准确度为83.7%,AUROC为0.92.
- PredictMed-CDSS在研究中的队列中表现出强大的NHD发展预测能力.
结论:
- 开发的CDSS,PredictMed-CDSS,在预测CP儿童的NHD方面具有显著的潜力.
- 与其他经过测试的ML模型相比,神经网络在NHD风险预测方面具有更高的准确性.
- 这种人工智能驱动的工具可以帮助临床医生积极管理和早期干预NHD的策略.
