超越气泡:对"泡床"微环境的AI分析改善了感染腹部集合的诊断
Yifei Guo1, Chengwei Chen1, Tiegong Wang1
1Department of Radiology, Changhai Hospital, Shanghai, China.
Abdominal radiology (New York)
|December 26, 2025
概括
一个人工智能 (AI) 模型,BUBBLE-AI,使用非对比CT扫描准确诊断感染的腹腔内液收集 (IAFCs). 这种人工智能工具显著改进了用于检测IAFC感染的传统方法.
科学领域:
- 放射学和人工智能的人工智能
- 医学成像分析 医学成像分析
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 诊断感染的腹腔内液体收集 (IAFCs) 是具有挑战性的,因为计算机断层扫描 (CT) 上的传统"气泡标志"的灵敏度较低.
- 需要改进,自动化方法来准确的IAFC诊断.
研究的目的:
- 开发和验证一个完全自动化的人工智能 (AI) 模型,以使用非对比CT来改进IAFC的诊断.
- 评估人工智能模型与传统诊断方法的性能.
主要方法:
- 一项多中心回顾性研究,涉及797名确诊IAFCs的患者.
- 开发用于腹部感染的基于泡床的学习引擎 (BUBBLE-AI) 模型,结合深度学习,放射性特征和临床数据.
- 人工智能模型基于"泡床"概念,分析气泡周围的炎症微环境.
主要成果:
- 在验证中,BUBBLE-AI模型实现了0.92的曲线下的面积 (AUC),在外部测试中达到0.82.
- 该模型显示,与泡标志 (38.5%) 和仅临床模型 (34.3%) 相比,错误诊断率显著降低 (24.1%).
- 分析证实"泡床"微环境是最重要的预测因素.
结论:
- 该BUBBLE-AI模型提供了一个完全自动化和准确的工具,用于诊断IAFC感染的非对比CT.
- 这种人工智能工具可以提高诊断可靠性,指导抗菌药物管理,并优化临床决策.
