Sviluppo di un sistema di screening articolare rapido multi-malattia basato sull'imaging di emergenza basato sull'intelligenza artificiale (Al-MDS)

Introduzione:

La diagnosi precoce e rapida dell'eziologia è spesso una parte importante per salvare la vita dei pazienti nel pronto soccorso. La TC del torace è un metodo di esame importante per la diagnosi di emergenza a causa della sua rapida velocità di esame e della localizzazione accurata. La tradizionale diagnostica per immagini mediche si affida ai radiologi per riferire in modo qualitativo e soggettivo. Attraverso la combinazione interdisciplinare di clinica, imaging e intelligenza artificiale, l'integrazione di dati multi-omici, la costruzione di modelli linguistici su larga scala e la costruzione del sistema ausiliario di supporto alla diagnosi di "un controllo per più malattie" forniscono nuove idee e mezzi per lo screening rapido e accurato delle malattie critiche di emergenza.

Metodo:

Disegno dello studio Gli investigatori hanno raccolto retrospettivamente immagini TC cardiovascolari, respiratorie, digestive e neurologiche, dati demografici, anamnesi e data di laboratorio dei pazienti del pronto soccorso durante il periodo dal 1° gennaio 2018 al 30 dicembre 2024. Svolgere regolarmente un lavoro di follow-up standardizzato e completare la raccolta e la creazione di un database di dati multi-omici di imaging clinico dei pazienti che frequentano il pronto soccorso. I criteri di inclusione sono:1. pazienti adulti di emergenza con malattie cardiovascolari, respiratorie, digestive e del sistema nervoso; 2. Questi pazienti avevano immagini TC. I pazienti con dati clinici o radiografici incompleti sono stati esclusi dall'analisi. Eseguire regolarmente un lavoro di follow-up standardizzato e completare la raccolta e la creazione di un database di dati multi-omici di imaging clinico dei pazienti che frequentano il pronto soccorso.

Sulla base dei dati di testo medici raccolti, viene costruito un framework di algoritmi di modelli linguistici su larga scala di intelligenza artificiale. Dopo che l'annotazione della struttura delle immagini TC del torace viene eseguita dai medici al di sopra del livello intermedio di imaging, la rete neurale profonda Transformer viene addestrata per la segmentazione dell'immagine TC e una serie di attività come la segmentazione della struttura strutturale, il rilevamento dei danni, la classificazione delle malattie e il rapporto automatico La generazione è sviluppata sulla base del meccanismo dell'architettura di auto-attenzione di Vision Transformer. È stato costruito e convalidato un sistema decisionale per la diagnosi multi-malattia e il trattamento basato su immagini TC del torace, testo clinico e dati multimodali dell'esame.

Discussione

La medicina d'urgenza si occupa principalmente di malattie critiche e improvvise imprevedibili. I pazienti che si rivolgono al pronto soccorso per cure mediche hanno spesso esordio acuto, condizione nascosta, rapidi progressi, molte complicanze, alta mortalità e tasso di disabilità. I sistemi di diagnosi assistita sviluppati combinando testo clinico, immagini e intelligenza artificiale possono migliorare notevolmente la capacità dei medici del pronto soccorso di diagnosticare con precisione le malattie. Questo studio riempie il vuoto del sistema diagnostico assistito dall'intelligenza artificiale CT per i pazienti di emergenza e fornisce uno schema di diagnosi rapida per multi-sistema e multi-malattia. Infine, i risultati saranno trasformati in software applicativi clinici e utilizzati e promossi nel lavoro clinico per migliorare il livello di diagnosi e trattamento.