在 Mass Eye and Ear 建立的人工智能 (AI) 模型在診斷小兒耳部感染方面的準(zhǔn)確度顯著高于醫(yī)生，這是一個致力于開發(fā)該模型的研究團(tuán)隊。臨床使用報道。
根據(jù) 8 月 16 日發(fā)表在《耳鼻咽喉頭頸外科》上的一項新研究，該模型稱為 OtoDX，在一組 22 張測試圖像中診斷耳部感染的準(zhǔn)確率超過 95%，而在一組臨床醫(yī)生中準(zhǔn)確率為 65%由耳鼻喉科、兒科醫(yī)生和初級保健醫(yī)生組成，他們審查了相同的圖像。
在包含 600 多張內(nèi)耳圖像的數(shù)據(jù)集中進(jìn)行測試時，AI 模型的診斷準(zhǔn)確率超過 80%，與醫(yī)學(xué)文獻(xiàn)中報道的臨床醫(yī)生的平均準(zhǔn)確率相比有了顯著的飛躍。
該模型利用了一種稱為深度學(xué)習(xí)的人工智能，它是根據(jù)在 Mass Eye and Ear 接受反復(fù)耳部感染或耳內(nèi)積液手術(shù)之前從兒童那里收集的數(shù)百張照片構(gòu)建的。這組作者說，這些結(jié)果標(biāo)志著朝著開發(fā)一種診斷工具邁出了重要一步，該工具有朝一日可以部署到診所，以在患者評估期間協(xié)助醫(yī)生?；谌斯ぶ悄艿脑\斷工具可以為兒科醫(yī)生和緊急護(hù)理診所等提供者提供額外的測試，以更好地為他們的臨床決策提供信息。
“耳部感染在兒童中非常常見，但經(jīng)常被誤診，導(dǎo)致護(hù)理延誤或不必要的抗生素處方，”主要研究作者、Mass Eye and Ear 的耳鼻喉科醫(yī)生和人工智能研究員、耳鼻喉科助理??教授 Matthew Crowson 說。哈佛醫(yī)學(xué)院頭頸外科。“這種模式不會取代臨床醫(yī)生的判斷，但可以補(bǔ)充他們的專業(yè)知識，幫助他們對治療決策更有信心。”
難以診斷常見病癥
耳部感染是由中耳內(nèi)的細(xì)菌積聚引起的。根據(jù)美國國家耳聾和其他交流障礙研究所的數(shù)據(jù)，美國六分之五的兒童在三歲之前至少有一次耳部感染。如果不及時治療，耳部感染會導(dǎo)致聽力喪失、發(fā)育遲緩、腦膜炎等并發(fā)癥，在一些發(fā)展中國家甚至?xí)?dǎo)致死亡。相反，在沒有耳部感染的情況下對兒童進(jìn)行過度治療會導(dǎo)致抗生素耐藥性，并使藥物對未來的感染無效。后一個問題具有重大的公共衛(wèi)生重要性。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！