基于人工智能的平台的验证,用于使用ICHD-3标准对头痛疾病进行结构化诊断
João Brainer Clares de Andrade1,2,3,4, Thiago Bulhões da Silva Costa5, Júlia Lima Vasconcelos6
1Hospital Israelita Albert Einstein, São Paulo, Brazil. joao.brainer@unifesp.br.
BMC neurology
|November 28, 2025
概括
Head.AI,用于头痛诊断的AI工具,实现了89.5%的准确性,明显超过其他平台. 这种先进的系统有助于分类复杂的头痛疾病,为临床医生提供了宝贵的支持.
科学领域:
- 神经学 神经学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 头痛疾病的诊断是复杂的,由于国际头痛疾病分类第3版 (ICHD-3) 和缺乏生物标志物,挑战非专家.
- 大型语言模型 (LLM) 为准确和可扩展的诊断支持提供了一个有希望的解决方案,特别是在资源有限的环境中.
研究的目的:
- 为验证Head.AI,一个免费的,多语言的临床决策支持平台,利用GPT-4o进行基于ICHD-3的头痛病例分类.
- 与其他LLM平台相比,评估Head.AI的诊断准确性,校准和引用率.
主要方法:
- 独立验证使用315个由专家生成的图片,涵盖215个ICHD-3诊断.
- 在Head.AI和三个比较平台 (Claude Sonnet 4.0,Grok 3.0,Gemini 2.5) 中输入片段.
- 评估结果,包括诊断准确性 (正确诊断的排名),校准 (布赖尔分数) 和引用率.
主要成果:
- 头部AI实现了89.5%的最高诊断准确度,超过了比较器 (74-80%).
- 观察到高引用率 (>97%) 和良好的校准 (布赖尔评分0.153).
- 在初级/二级头痛中表现一致,在困难病例中第一个假设准确率>74%,Head.AI显示正确分类的几率明显更高 (ORs 2.04-2.86,p < 0.01).
结论:
- 该Head.AI算法在各种头痛疾病中表现出高的诊断准确性,超过了先前的研究表现.
- 它的公共可用性,结构化的知识基础和教育潜力将其定位为一个有价值的AI辅助头痛护理工具.
- 该平台可在 www.head-ai.com.br 免费访问,用于临床使用和研究.
