人工智能模型在诊断儿科耳部感染方面优于临床医生

在MassEyeandEar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MassEyeandEar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、MassEyeandEar的耳鼻喉科医生和人工智能研究员、耳鼻喉科助理​​教授MatthewCrowson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。

为确保儿童获得最佳结果，临床医生必须尽早准确地诊断耳部感染。然而，先前的研究表明，即使对技术和临床实践指南进行了创新，通过体检对儿童耳部感染的传统诊断准确性通常低于70%。根据Crowson博士的说法，评估在检查过程中挣扎或哭泣的孩子的困难，加上许多医生和紧急护理提供者在耳朵评估方面普遍缺乏经验，这可能是诊断率低于预期的原因。

“由于临床医生宁愿保持谨慎，很容易理解为什么父母通常会带着抗生素处方走出紧急护理，”他说。

2021年，Crowson博士与MassEyeandEar的同事、多学科小儿听力损失诊所主任医学博士MichaelS.Cohen和小儿耳鼻喉科主任医学博士、理学硕士ChristopherJ.Hartnick合作，开发了一种使用机器学习算法诊断耳部感染的更准确方法。人工神经网络接受了高分辨率的训练，在可以看到感染的耳部手术过程中直接从患者身上收集的鼓膜照片。与依赖于从搜索引擎收集的图像的基于人工智能的工具相比，这些照片代表了黄金标准的“基本事实”数据集。在去年发表的一项概念验证研究中，发现该模型在检测“正常”和“异常”中耳方面的准确率为84%。

人与机器

在这项新研究中，研究人员将改进模型的准确性与临床医生进行了面对面的比较。超过639张来自18岁或以下的儿童的鼓膜图像被用于训练模型。这些图像被标记为“正常”、“感染”或“鼓膜后有液体”，而不是团队早期模型中的“正常”或“异常”分类。通过添加部分，该模型实现了80.8%的平均诊断准确率。

然后创建了一项调查，要求临床医生和不同医学专业的学员查看22张新的鼓膜图像，并将耳朵诊断为三个标记类别之一。虽然机器学习模型对超过95%的样本图像进行了正确分类，但对调查做出回应的39名临床医生的平均诊断得分为65%。此外，儿科医生和家庭医学/普通内科医生分别正确分类了60.1%和59.1%的图像。

将人工智能带入临床

正在进行的研究正在验证和完善人工智能模型。迄今为止，MassEyeandEar已经收集了1,000多张鼓膜的术中图像。

通过与MassGeneralBrighamInnovation合作，OtoDx目前正在与智能手机应用程序配对的原型设备中使用。该设备充当“迷你耳镜”，可以安装在手机的摄像头上，临床医生可以拍摄儿童耳朵内部的照片，直接上传到应用程序并在几秒钟内接收诊断读数。通过进一步验证，OtoDX可以为临床医生提供另一种工具，以便在检查期间实时收集信息。

随着试点反馈的处理，MassGeneralBrighamInnovation将支持OtoDx团队探索将这种有影响力的工具商业化的机会，以帮助更多的临床医生及其患者。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！