人工智能使用消费级耳镜对儿科中耳喷液进行分类

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 儿科耳鼻喉科 儿科耳鼻喉科

背景情况:

• 准确诊断中耳泄漏对于初级保健的及时干预至关重要.
• 目前的诊断方法,如气动耳视镜和耳 tympanometry 在可访问性和用户体验方面存在限制.
• 这项研究解决了对初级保健机构提供可访问,客观的诊断辅助的需求.

研究的目的:

• 开发和评估人工智能 (AI) 算法,用于诊断儿科患者中耳泄漏 (MEE).
• 用消费级耳镜捕获的耳膜图像用于人工智能训练.
• 为初级保健提供者提供可访问的诊断工具,以改善MEE诊断.

主要方法:

• 从儿科患者 (6个月至6岁) 采集了耳膜图像,使用非处方数字耳镜.
• 图像由儿科耳鼻喉科医生根据 myringotomy 期间的中耳发现进行标记.
• 训练了一个深度学习神经网络,将图像分类为"溢出"或"无溢出".

主要成果:

• 人工智能模型的分类准确率达到92.1%.
• 该模型在检测中耳溢出时表现出高灵敏度 (90.3%) 和特异性 (93.8%).
• 总共分析了来自219名患者的537张图像,其中263张显示出出血,273张显示没有出血.

结论:

• 开发的AI模型显示性能与传统诊断工具相当或超过.
• 这种人工智能工具提供了一个潜在的解决方案,可以克服在初级保健中诊断中耳泄漏的障碍.
• 这些发现代表了为初级保健提供者提供可访问和客观的诊断援助的重要一步.