在 Mass Eye and Ear 建立的人工智能 (AI) 模型在诊断小儿耳部感染方面的准确度显着高于医生，这是一个致力于开发该模型的研究团队。临床使用报道。
根据 8 月 16 日发表在《耳鼻咽喉头颈外科》上的一项新研究，该模型称为 OtoDX，在一组 22 张测试图像中诊断耳部感染的准确率超过 95%，而在一组临床医生中准确率为 65%由耳鼻喉科、儿科医生和初级保健医生组成，他们审查了相同的图像。
在包含 600 多张内耳图像的数据集中进行测试时，AI 模型的诊断准确率超过 80%，与医学文献中报道的临床医生的平均准确率相比有了显着的飞跃。
该模型利用了一种称为深度学习的人工智能，它是根据在 Mass Eye and Ear 接受反复耳部感染或耳内积液手术之前从儿童那里收集的数百张照片构建的。这组作者说，这些结果标志着朝着开发一种诊断工具迈出了重要一步，该工具有朝一日可以部署到诊所，以在患者评估期间协助医生。基于人工智能的诊断工具可以为儿科医生和紧急护理诊所等提供者提供额外的测试，以更好地为他们的临床决策提供信息。
“耳部感染在儿童中非常常见，但经常被误诊，导致护理延误或不必要的抗生素处方，”主要研究作者、Mass Eye and Ear 的耳鼻喉科医生和人工智能研究员、耳鼻喉科助理教授 Matthew Crowson 说。哈佛医学院头颈外科。“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，帮助他们对治疗决策更有信心。”
难以诊断常见病症
耳部感染是由中耳内的细菌积聚引起的。根据美国国家耳聋和其他交流障碍研究所的数据，美国六分之五的儿童在三岁之前至少有一次耳部感染。如果不及时治疗，耳部感染会导致听力丧失、发育迟缓、脑膜炎等并发症，在一些发展中国家甚至会导致死亡。相反，在没有耳部感染的情况下对儿童进行过度治疗会导致抗生素耐药性，并使药物对未来的感染无效。后一个问题具有重大的公共卫生重要性。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！