人工智能模型可以预测死亡率在社区获得性肺炎
患者的社区获得性肺炎(CAP),深度学习使用初始胸片(DL)模型可以预测30天死亡率,6月14日在线发表的一项研究表明美国放射学杂志》。
樟宜机场金,从韩国首尔国立大学医院和他的同事们开发了一种DL模型预测30天死亡率在病人帽使用胸片诊断的时间从7105名病人从一个机构。模型评估在急诊病人诊断为帽从同一机构(时间测试模型(947名患者))和从另外两个不同的机构(外部测试A和B组(分别为467和381例))。
研究人员发现,在时间测试集,接受者操作特征曲线下的面积(AUC) DL模型预测30天死亡率高于既定的风险预测控制- 65分(分别为0.77和0.67);在外部测试组A和B,更高的AUC DL模型不显著而抑制- 65(分别为0.80和0.73和0.80和0.72)。
在三个军团,DL模型表现出更高的特异性(范围61到69比44 58%,分别)在同一敏感性通过抑制- 65分数。与控制- 65的分数相比,DL模型的组合和抑制- 65分数产生了AUC的增加在时间测试组和外部测试组B(分别为0.77和0.80)。
“DL模型可能指导临床决策帽通过识别高危患者的管理保证住院和强化治疗的患者,”作者写道。
两位作者Lunit披露金融联系。
更多信息:樟宜机场金等,深度学习模型使用胸片30天死亡率的预测:社区获得性肺炎患者发展和外部验证,美国放射学杂志》(2023)。DOI: 10.2214 / AJR.23.29414
期刊信息:
美国放射学杂志》
版权©2023每日健康。保留所有权利。
引用:人工智能模型可以预测死亡率在社区获得性肺炎(2023年6月21日)检索10 2023年7月从//www.pyrotek-europe.com/news/2023-06-ai-mortality-community-acquired-pneumonia.html
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。
