压力损伤诊断中的人工智能:临床实践的批判性评估

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 诊断的准确性 诊断的准确性

背景情况:

• 压力伤害是住院患者的全球重大健康问题.
• 准确和及时的诊断对于有效的压力损伤治疗至关重要.
• 现有的关于人工智能用于压力损伤诊断的研究缺乏跨阶段的全面元分析.

研究的目的:

• 进行一项元分析,评估人工智能 (AI) 对压力损伤的诊断性能.
• 在各种压力损伤阶段评估AI诊断准确度.
• 综合当前关于人工智能在压力损伤检测中的应用的证据.

主要方法:

• 对21项关于人工智能用于压力损伤诊断的研究进行系统审查和元分析.
• 诊断指标的评估,包括灵敏度,特异性和总结接收器操作特征 (SROC) 曲线下的区域.
• 按压力损伤阶段分层的AI性能分析 (1,2,3,4,不稳定,深层组织).

主要成果:

• 在压力损伤方面,AI显示出高的整体诊断准确性:灵敏度为0.74,特异性为0.93,AUC为0.92.
• 人工智能性能因阶段而异,AUC从0.85 (第二阶段) 到0.98 (深层组织压力损伤) 不同.
• 具体的AUC值为:第一阶段 (0.95),第二阶段 (0.85),第三阶段 (0.88),第四阶段 (0.94),不稳定 (0.96),深层组织 (0.98).

结论:

• 利用压力损伤图像数据的AI模型显示了临床诊断的巨大潜力.
• 高诊断精度表明,人工智能可以帮助识别和分期压力损伤.
• 未来的研究需要高质量的研究,严格的报告和临床转换的外部验证.