医学专家知识与人工智能相结合,提高罕见疾病识别症状检查器的性能:混合方法研究
Anne Pankow1,2, Nico Meißner-Bendzko3, Jessica Kaufeld4
1Department of Rheumatology and Clinical Immunology, Charité-Universitätsmedizin Berlin, Berlin, Germany.
JMIR AI
|August 28, 2025
概括
将专家的见解整合到AI症状检查器中可以改善罕见疾病的诊断. 这种增强导致了更高的准确性和用户满意度来识别像法布里病这样的疾病.
科学领域:
- 医疗信息学
- 医疗保健中的人工智能
- 罕见疾病诊断
背景情况:
- 罕见疾病存在诊断挑战,往往导致延迟和增加医疗费用.
- 基于人工智能 (AI) 的症状检查器 (SCs) 对早期罕见疾病的检测具有前景.
- 目前的标准依赖于文献数据,这些数据对于罕见疾病可能不完整,影响准确性.
研究的目的:
- 通过结合专家采访视频来增强人工智能驱动的SC.
- 评估这种新方法是否能提高罕见疾病的诊断准确性.
- 评估用户对增强的SC的满意度,专注于法布里病.
主要方法:
- 德国汉诺威医学院的一项混合方法试点研究.
- 专家采访产生了临床图片,以丰富AI SC的法布里病模型.
- 对于患有法布里病的患者,评估了原始和优化的SC版本的诊断准确性和满意度.
主要成果:
- 专家图片改善了AI SC在识别法布里病方面的表现.
- 优化的SC在33%的病例中确定了法布里病为首要建议,而原来的情况为17%.
- 用户满意度较高的优化SC,引用更好的症状覆盖和完整性.
结论:
- 整合来自专家的图片增强了罕见疾病诊断的AI SC.
- 优化后的SC显示了对法布里病的诊断准确性和用户满意度的提高.
- 未来的研究应该包括非典型的表现和更大的验证研究.
