Tekoälypohjaisen hätäkuvausjärjestelmän kehittäminen monitautien nopeaan nivelseulontajärjestelmään (Al-MDS)

Esittely:

Etiologian varhainen ja nopea diagnoosi on usein tärkeä osa ensiapuosastolla olevien potilaiden hengen pelastamista. Rintakehän TT on tärkeä tutkimusmenetelmä hätädiagnoosissa nopean tutkimusnopeuden ja tarkan paikantamisen ansiosta. Perinteinen lääketieteellinen kuvantamisdiagnoosi perustuu radiologien raportointiin laadullisesti ja subjektiivisesti. Kliinisen, kuvantamisen ja tekoälyn monitieteinen yhdistelmä, multi-omiikkadatan integrointi, laajamittaisten kielimallien rakentaminen ja apudiagnoosien tukijärjestelmän rakentaminen "yksi tarkastus useille sairauksille" tarjoavat uusia ideoita ja keino kriittisten hätäsairauksien nopeaan ja täsmälliseen seulomiseen.

Menetelmä:

Tutkimuksen suunnittelu Tutkijat keräsivät takautuvasti päivystyspotilaiden sydän- ja verisuoni-, hengitys-, ruoansulatus- ja neurologisia TT-kuvia, demografisia tietoja, sairaushistoriaa ja laboratoriopäivämäärää 1.1.2018–30.12.2024 välisenä aikana. Suorita säännöllisesti standardoitua seurantatyötä ja saa valmiiksi päivystykseen osallistuvien potilaiden kliinisen kuvantamisen multi-omiikkatietojen keräämisen ja tietokannan perustamisen. Mukaanottokriteerit ovat:1. aikuiset hätäpotilaat, joilla on sydän- ja verisuoni-, hengitys-, ruoansulatus- ja hermostosairauksia; 2. Näillä potilailla oli TT-kuvat. Potilaat, joiden kliiniset tai radiografiset tiedot olivat puutteellisia, suljettiin pois analyysistä. Suorita säännöllisesti standardoitua seurantatyötä ja viimeistele päivystykseen osallistuvien potilaiden kliinisen kuvantamisen multiomiikkatietojen kerääminen ja tietokanta.

Kerätyn lääketieteellisen tekstitiedon perusteella rakennetaan tekoälyn laajamittainen kielimallialgoritmikehys. Kun lääkärit ovat suorittaneet rintakehän TT-kuvien rakennemerkinnän kuvantamisen keskitason yläpuolella, Transformerin syvä hermoverkko koulutetaan TT-kuvan segmentointiin ja sarjaan tehtäviä, kuten rakennerakenteen segmentointi, vaurion havaitseminen, sairauden luokittelu ja automaattinen raportti. sukupolvi on kehitetty perustuen Vision Transformerin itsehuomio-arkkitehtuurimekanismiin. Rakennettiin ja validoitiin rintakehän TT-kuviin, kliiniseen tekstiin ja tutkimusten multimodaalitietoihin perustuva usean sairauden diagnoosi- ja hoitopäätöksentekojärjestelmä.

Keskustelu

Päivystys hoitaa pääasiassa odottamattomia kriittisiä ja äkillisiä sairauksia. Päivystykseen tulevilla potilailla on usein akuutti puhkeaminen, piilevä tila, nopea eteneminen, monia komplikaatioita, korkea kuolleisuus ja työkyvyttömyysaste. Kliinistä tekstiä, kuvia ja tekoälyä yhdistämällä kehitetyt avustetut diagnoosijärjestelmät voivat parantaa huomattavasti ensiapuosaston lääkäreiden kykyä diagnosoida sairauksia tarkasti. Tämä tutkimus täyttää tyhjät CT-tekoälyavusteiset diagnoosijärjestelmät hätäpotilaille ja tarjoaa nopean diagnoosijärjestelmän useille järjestelmille ja monille sairauksille. Lopuksi tulokset muunnetaan kliinisiksi sovellusohjelmistoiksi ja niitä käytetään ja edistetään kliinisessä työssä diagnoosin ja hoitotason parantamiseksi.