迈向对儿科中耳病的公正深度学习分类器

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 儿科耳鼻喉科 儿科耳鼻喉科

背景情况:

• 中耳炎是一种常见的儿科诊断,导致频繁的医疗保健访问和抗生素处方.
• 区分急性中耳炎 (AOM) 和有溢液的中耳炎 (OME) 对于适当的抗生素使用至关重要,但往往具有挑战性.
• 目前的诊断方法依赖于带膜 (TM) 可视化的专家解释.

研究的目的:

• 开发和评估一个人工智能 (AI) 算法来分类中耳疾病.
• 用便宜的消费级光学镜捕获的图像用于人工智能培训.
• 准确预测儿科患者中耳溢液的存在和性质.

主要方法:

• 一项前性多中心队列研究,涉及4家美国儿科医院的219名儿童 (6个月至10岁).
• 在膜切除手术过程中采集了737张耳膜图像,使用非处方数字耳镜.
• 在标记的图像上训练一个深度学习算法,而手术内发现作为基本真相.

主要成果:

• 人工智能分类模型在各种图像类别中实现了92.5%的高加权精度.
• 个别类别的准确度在88.4%至98.8%之间,显示出强大的表现.
• 该研究包括了多元化的儿科人口,42.14%的人被确定为黑人,西班牙裔,亚洲人或其他种族.

结论:

• 深度学习模型在对幼儿中耳状态进行分类时显示出显著的准确性.
• 使用负担得起的数字眼镜和多样化的数据集可以促进现实世界的临床应用.
• 这种人工智能方法有望提高远程医疗能力,并优化儿科耳炎中介管理中的抗生素管理.