根據(jù)《美國倫琴學雜志》上發(fā)表的一份已接受的手稿，Lunit(韓國首爾)開發(fā)的人工智能 (AI) 系統(tǒng)在 ETT 插入后獲得的胸部 X 光照片以及胸部 X 光照片上識別出位置不當?shù)臍夤軐Ч?(ETT)從兩個機構(gòu)的 ICU 患者中獲得。
韓國首爾國立大學醫(yī)院放射科的通訊作者 Eui Jin Hwang 醫(yī)學博士、哲學博士寫道：“人工智能自動識別胸部 X 光片上不正確的 ETT 位置可能有助于更早重新定位，從而減少并發(fā)癥。”
Hwang 等人的回顧性研究包括 2020 年 1 月 1 日至 2020 年 3 月 31 日期間 ETT 插入后立即拍攝的 539 張胸部 X 光片，涉及來自機構(gòu) A 的 505 名患者(293 名男性，212 名女性;平均年齡 63 歲)(樣本 A) ;2020 年 1 月 1 日至 2020 年 1 月 3 日期間從機構(gòu) A 的 ICU(有或沒有 ETT)獲得的 304 名患者(158 名男性，147 名女性;平均年齡，63 歲)的 637 張胸片(樣本 B);2020 年 1 月 1 日至 2020 年 1 月 20 日期間，從機構(gòu) B 的 ICU(有或沒有 ETT)獲得 83 名患者(54 名男性，29 名女性;平均年齡，70 歲)的 546 張胸片(樣本 C)。
Lunit 的基于深度學習的商業(yè)人工智能系統(tǒng)用于識別 ETT 的存在并測量 ETT 尖端到隆突的距離 (TCD)。正確 ETT 位置的參考標準是 TCD 在 3 厘米到 7 厘米之間，由人類閱讀器確定。臨界ETT位置單獨定義為ETT尖端低于隆突或TCD小于或等于1cm。
最終，在來自兩個不同機構(gòu)的三名患者樣本中，AI 系統(tǒng)識別出 ETT 的存在，靈敏度為 99.2–100%;特異性為 94.5-98.7%，不正確的 ETT 位置，敏感性為 72.5-83.7%，特異性為 92.0-100%，關(guān)鍵 ETT 位置在所有樣本中敏感性為 100%，特異性為 96.7-100%。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！