人工智能模型优于临床医生在诊断小儿耳部感染
一个人工智能(AI)模型建立在大众的眼睛和耳朵被证明是比医生更准确诊断小儿耳部感染的首次直接评估,一个研究小组致力于开发模型对临床使用报告。
根据一项新的研究发表在8月16日头颈外科,该模型称为OtoDX,超过95%准确的诊断耳朵感染在一组22测试图像相比,65%的准确率在树人组成的一组临床医生,儿科医生和初级保健医生,他们回顾了相同的图片。
当测试数据集600多名内耳图像,人工智能模型的诊断准确率超过80%,代表一个重要跳过平均临床医生在医学文献报告的准确性。
模型利用一种叫做深度学习的人工智能,从数以百计的照片收集儿童手术之前在大众的眼睛和耳朵,对耳部感染复发或流体的耳朵。结果意味着诊断工具的发展的一个重要步骤,一天可以部署到诊所来协助医生在病人评价,根据作者。一个基于ai诊断工具可以给供应商,如儿科医生和紧急医疗诊所,一个额外的测试更好地通知他们的临床决策。
“耳部感染非常常见的儿童经常误诊,导致延误治疗或不必要的抗生素处方,”主要研究作者说马修·克劳松医学博士质量的耳鼻喉科专家和人工智能研究员眼睛和耳朵,头颈外科助理教授和哈佛大学医学院。“这种模式不会取代临床医生的判断,但可以补充他们的专业知识和帮助他们更有信心在他们的治疗决定。”
很难诊断常见的条件
耳部感染发生的累积细菌在中耳。根据国家耳聋和其他沟通障碍研究所,至少五的六个孩子在美国至少有一个在三岁之前耳朵感染。如果不及时治疗,耳部感染可以导致听力损失,发育迟缓,脑膜炎等并发症,在一些发展中国家,死亡。相反,给孩子们当他们没有耳朵感染可以导致抗生素耐药性和无效的药物对未来的感染。这一问题是重要的公共卫生的重要性。
为了确保孩子的最佳结果,临床医生必须尽可能准确和早期诊断耳部感染。但是,先前的研究表明传统的儿童耳部感染的诊断准确性从物理考试通常低于70%,即使有创新技术和临床实践指南。很难评价一个孩子在考试期间或哭泣,再加上一般缺乏经验许多医生和紧急护理提供者在耳朵评估可以解释诊断速度低于预期,克朗逊博士说。
“由于临床医生宁愿呆在谨慎,很容易明白为什么父母通常走出急诊处方抗生素,”他说。
2021年,克朗逊博士与大众的眼睛和耳朵的同事迈克尔·s·科恩,医学博士,主任多学科小儿听力损失诊所,和Christopher j . Hartnick医学博士,女士,部门主任小儿耳鼻喉科,开发一种更精确的方法诊断应用机器学习算法的耳部感染。人工神经网络训练与高分辨率的照片直接从患者在耳朵的鼓膜收集程序感染可以看到的地方。这些照片代表了金本位制,“地面实况”组数据相比,基于ai工具依赖图像来自搜索引擎。在去年发表的一个概念验证研究,模型被发现84%的准确检测“正常”与“不正常”中间的耳朵。
人类与机器
在新的研究中,研究人员比较了改进模型的准确性上,与临床医生。超过639张图片的鼓膜从18岁儿童或年轻的人手术管放置或排液的耳朵被用来训练模型。图像被标记为“正常”,“感染”,或者“液体鼓膜后面,”而不是“正常”或“不正常”从团队的早期模型分类。添加部分,该模型实现了的意思诊断准确性的80.8%。
创建一个调查然后问各种医学专业临床医生和实习生查看22新图像的耳朵的鼓膜和诊断的三个类别标记。而机器学习模型正确分类超过95%的样本图像,诊断得分的平均值39临床医生回应这项调查为65%。此外,儿科医生和家庭医学/一般内科医师正确分类图像的60.1%和59.1%,分别。
将人工智能引入诊所
正在进行的研究正在进行中,以验证和完善人工智能模型。到目前为止,已经有超过1000的术中图像的鼓膜积累在大众的眼睛和耳朵。
与质量一般的布里格姆创新合作,OtoDx目前受雇于一个原型设备搭配了一个智能手机应用程序。该设备作为一个“迷你耳镜”,那将适合手机的摄像头和允许临床医生的照片里孩子的耳朵,直接上传应用程序和接收一个诊断阅读在几秒钟内。进一步验证,OtoDX可能为临床医生提供另一个工具从实时收集信息在考试期间。
作为飞行员处理反馈,质量一般的布里格姆创新支持OtoDx团队在探索商业化的机会更有效的工具,帮助临床医生和病人。
进一步探索
