Evaluación de modelos de alerta temprana de alto riesgo de neumoconiosis

Neumoconiosis, la enfermedad ocupacional predominante en China y en todo el mundo. La radiografía de tórax es la prueba radiológica disponible más accesible y asequible para el examen físico de los trabajadores expuestos al polvo y la detección masiva de neumoconiosis. Pero el proceso de diagnóstico tiene algunas desventajas, como una fuerte subjetividad, ineficiencia y discapacidad de juicio de lesión límite, etc. Además, la precaución de la neumoconiosis es más importante que el tratamiento. Sin embargo, el proceso actual no puede advertir con anticipación a los trabajadores expuestos al polvo de alto riesgo hasta que se les diagnostique neumoconiosis. Con la característica de eficiencia, impersonalidad y cuantificación, la inteligencia artificial es apropiada para resolver los problemas antes mencionados. Hasta ahora, ha habido pocas investigaciones sobre la adaptación del aprendizaje profundo para el diagnóstico del grado de neumoconiosis y la alerta temprana de alto riesgo. En nuestros estudios anteriores, creamos una base de datos de radiografías de tórax, que contiene más de 100 000 imágenes de radiografías digitales de neumoconiosis. El resultado de la evaluación del sistema de detección demostró que la precisión en la identificación de la neumoconiosis podría alcanzar el 90 %, con un AUC (área bajo la curva) de 0,965 y una sensibilidad del 99 %. Hay que continuar con más obras. Por lo tanto, nuestro objetivo es adaptar el aprendizaje profundo para desarrollar modelos de detección inteligente de neumoconiosis, diagnóstico de grado y alerta temprana de alto riesgo. Las imágenes anotadas se utilizarán para el entrenamiento de algoritmos de redes neuronales convolucionales (CNN), con el objetivo de detectar y diagnosticar neumoconiosis. Además, la puntuación de riesgo calculada por el mapa térmico de densidad se utilizará para la alerta temprana de los trabajadores expuestos al polvo. Luego se implicará el seguimiento de la cohorte para verificar la validez de la puntuación de riesgo. De esta manera, los trabajadores expuestos al polvo de alto riesgo obtendrán una intervención temprana y un mejor pronóstico, lo que obviamente puede reducir la carga médica.