Desarrollo de un sistema de detección conjunta rápida de enfermedades múltiples basado en imágenes de emergencia basado en IA (Al-MDS)

Introducción:

El diagnóstico temprano y rápido de la etiología es a menudo una parte importante para salvar la vida de los pacientes en el departamento de emergencias. La tomografía computarizada de tórax es un método de examen importante para el diagnóstico de emergencia debido a su rápida velocidad de examen y localización precisa. El diagnóstico tradicional por imágenes médicas se basa en que los radiólogos informen de manera cualitativa y subjetiva. A través de la combinación interdisciplinaria de inteligencia clínica, de imágenes y artificial, la integración de datos multiómicos, la construcción de modelos de lenguaje a gran escala y la construcción del sistema auxiliar de apoyo al diagnóstico de "un control para múltiples enfermedades" brindan nuevas ideas y medios para la detección rápida y precisa de enfermedades críticas de emergencia.

Método:

Diseño del estudio Los investigadores recopilaron retrospectivamente imágenes de TC cardiovasculares, respiratorias, digestivas y neurológicas, datos demográficos, historial médico y fecha de laboratorio de los pacientes del departamento de emergencias durante el período comprendido entre el 1 de enero de 2018 y el 30 de diciembre de 2024. Llevar a cabo regularmente un trabajo de seguimiento estandarizado y completar la recopilación y el establecimiento de la base de datos de datos multiómicos de imágenes clínicas de los pacientes que asisten al servicio de urgencias. Los criterios de inclusión son: 1. pacientes adultos de emergencia con enfermedades cardiovasculares, respiratorias, digestivas y del sistema nervioso; 2. Estos pacientes tenían imágenes de TC. Los pacientes con datos clínicos o radiográficos incompletos fueron excluidos del análisis. Realice regularmente un trabajo de seguimiento estandarizado y complete la recopilación y el establecimiento de la base de datos de datos multiómicos de imágenes clínicas de los pacientes que asisten al departamento de emergencias.

Sobre la base de los datos de texto médico recopilados, se construye un marco de algoritmo de modelo de lenguaje a gran escala de inteligencia artificial. Después de que los médicos realicen la anotación de la estructura de las imágenes de TC de tórax por encima del nivel intermedio de imágenes, la red neuronal profunda del transformador se entrena para la segmentación de imágenes de TC y una serie de tareas como la segmentación de la estructura estructural, la detección de daños, la clasificación de enfermedades y el informe automático. generación se desarrollan en base al mecanismo de arquitectura de autoatención de Vision Transformer. Se construyó y validó un sistema de toma de decisiones de diagnóstico y tratamiento de múltiples enfermedades basado en imágenes de tomografía computarizada de tórax, texto clínico y datos de exámenes multimodales.

Discusión

La medicina de emergencia se ocupa principalmente de enfermedades críticas impredecibles y repentinas. Los pacientes que acuden al servicio de urgencias para recibir tratamiento médico suelen tener un cuadro de inicio agudo, una afección oculta, un progreso rápido, muchas complicaciones, una alta tasa de mortalidad y discapacidad. Los sistemas de diagnóstico asistido desarrollados mediante la combinación de texto clínico, imágenes e inteligencia artificial pueden mejorar en gran medida la capacidad de los médicos del departamento de emergencias para diagnosticar enfermedades con precisión. Este estudio llena el espacio en blanco del sistema de diagnóstico asistido por inteligencia artificial de TC para pacientes de emergencia y proporciona un esquema de diagnóstico rápido para múltiples sistemas y múltiples enfermedades. Finalmente, los resultados se transformarán en software de aplicación clínica y se utilizarán y promoverán en el trabajo clínico para mejorar el nivel de diagnóstico y tratamiento.