Développement d'un système de dépistage rapide des articulations multi-maladies par imagerie d'urgence basé sur l'IA (Al-MDS)

Introduction:

Le diagnostic précoce et rapide de l'étiologie est souvent un élément important pour sauver la vie des patients aux urgences. Le scanner thoracique est une méthode d'examen importante pour le diagnostic d'urgence en raison de sa vitesse d'examen rapide et de sa localisation précise. Le diagnostic d'imagerie médicale traditionnelle repose sur les radiologues pour rendre compte de manière qualitative et subjective. Grâce à la combinaison interdisciplinaire de la clinique, de l'imagerie et de l'intelligence artificielle, l'intégration de données multi-omiques, la construction de modèles de langage à grande échelle et la construction du système d'aide au diagnostic auxiliaire de "un contrôle pour plusieurs maladies" fournissent de nouvelles idées et des moyens pour le dépistage rapide et précis des maladies critiques d'urgence.

Méthode:

Conception de l'étude Les enquêteurs ont collecté rétrospectivement des images CT cardiovasculaires, respiratoires, digestives et neurologiques, des données démographiques, des antécédents médicaux et des dates de laboratoire des patients des services d'urgence pendant la période allant du 1er janvier 2018 au 30 décembre 2024. Réaliser régulièrement un travail de suivi standardisé, et compléter la collecte et la mise en place de la base de données des données multi-omiques d'imagerie clinique des patients se présentant aux urgences. Les critères d'inclusion sont :1. les patients adultes en urgence souffrant de maladies cardiovasculaires, respiratoires, digestives et du système nerveux ; 2. Ces patients ont eu des images CT. Les patients dont les données cliniques ou radiographiques étaient incomplètes ont été exclus de l'analyse. Réaliser régulièrement un travail de suivi standardisé, et compléter la collecte et la mise en place de la base de données des données multi-omiques d'imagerie clinique des patients se présentant aux urgences.

Sur la base des données de texte médical collectées, un cadre d'algorithme de modèle de langage à grande échelle d'intelligence artificielle est construit. Une fois que l'annotation de la structure des images CT thoraciques est effectuée par des médecins au-dessus du niveau intermédiaire d'imagerie, le réseau de neurones profonds Transformer est formé pour la segmentation des images CT et une série de tâches telles que la segmentation de la structure structurelle, la détection des dommages, la classification des maladies et le rapport automatique. génération sont développés sur la base du mécanisme d'architecture d'auto-attention de Vision Transformer. Un système de prise de décision diagnostique et thérapeutique multi-maladies basé sur des images CT thoraciques, des textes cliniques et des données multimodales d'examen a été construit et validé.

Discussion

La médecine d'urgence s'occupe principalement des maladies graves et soudaines imprévisibles. Les patients qui viennent aux urgences pour un traitement médical ont souvent un début aigu, une condition cachée, une progression rapide, de nombreuses complications, un taux élevé de mortalité et d'invalidité. Les systèmes de diagnostic assisté développés en combinant le texte clinique, les images et l'intelligence artificielle peuvent grandement améliorer la capacité des médecins des services d'urgence à diagnostiquer avec précision les maladies. Cette étude comble le vide du système de diagnostic assisté par intelligence artificielle CT pour les patients en urgence et fournit un schéma de diagnostic rapide pour plusieurs systèmes et plusieurs maladies. Enfin, les résultats seront transformés en logiciel d'application clinique et utilisés et promus dans le travail clinique pour améliorer le niveau de diagnostic et de traitement.