在电子诊断数据上使用深度神经网络评估儿科外围神经肌肉疾病

科学领域:

• 医疗信息学 医疗信息学
• 计算神经科学是一种神经科学.
• 神经学 神经学

背景情况:

• 神经肌肉疾病包括一系列影响神经和肌肉的疾病.
• 准确的诊断对于有效的患者管理至关重要.
• 电子诊断测试为评估神经肌肉疾病提供了有价值的数据.

研究的目的:

• 评估深度神经网络 (DNN) 在预测神经肌肉疾病方面的有效性.
• 将DNN的性能与传统的临床评估方法进行比较.
• 探索AI在提高神经肌肉疾病的诊断准确度方面的潜力.

主要方法:

• 利用了10年来重症监护病人的电子诊断和临床信息的数据集.
• 患者被分为六个诊断组,包括神经病变,肌痛病变和严重疾病神经肌痛病变.
• 在收集的电诊断数据上训练了一个深度神经网络.

主要成果:

• 经过训练的神经网络以0.92准确度实现了有希望的验证结果.
• 观察到高性能指标,包括ROC-AUC为0.99和精确回忆AUC为0.97.
• 混矩阵和积极预测值分析表明诊断性能高,对角值超过0.82.2.

结论:

• 深度神经网络在基于电子诊断数据的基础上,在预测神经肌肉疾病方面表现出显著的有效性.
• 人工智能模型的性能被发现与专家临床评估相当.
• 通过使用更大的数据集进行进一步开发,可以将DNN作为神经肌肉诊断的可靠工具.