AI 기반 응급영상 다질환 신속 합동검진 시스템 개발 (Al-MDS)

소개:

병인의 조기 및 신속한 진단은 종종 응급실에서 환자의 생명을 구하는 중요한 부분입니다. 흉부 CT는 빠른 검사 속도와 정확한 위치 파악으로 인해 응급 진단에 중요한 검사 방법입니다. 전통적인 의료 영상 진단은 정성적이고 주관적인 방식으로 보고하기 위해 방사선 전문의에게 의존합니다. 임상, 영상, 인공지능의 학제간 결합, 다중오믹스 데이터의 통합, 대규모 언어모델 구축, "다질환 원체크" 보조진단 지원시스템 구축을 통해 새로운 아이디어를 제공하고 긴급한 긴급 질병의 신속하고 정확한 선별을 위한 수단.

방법:

연구 설계 조사관은 2018년 1월 1일부터 2024년 12월 30일까지 응급실 환자의 심혈관, 호흡기, 소화기 및 신경계 CT 이미지, 인구통계학적 데이터, 병력 및 실험실 날짜를 후향적으로 수집했습니다. 표준화된 후속 작업을 정기적으로 수행하고 응급실을 방문하는 환자의 임상 영상 다중 오믹스 데이터 수집 및 데이터베이스 구축을 완료합니다. 포함 기준은 다음과 같습니다. 심혈관, 호흡기, 소화기 및 신경계 질환이 있는 성인 응급 환자; 2. 이 환자들은 CT 영상을 가지고 있었다. 불완전한 임상 또는 방사선 데이터가 있는 환자는 분석에서 제외되었습니다. 표준화된 후속 작업을 정기적으로 수행하고 응급실 환자의 임상 영상 다중 오믹스 데이터 수집 및 데이터베이스 구축을 완료하십시오.

수집된 의료 텍스트 데이터를 기반으로 인공지능 대규모 언어 모델 알고리즘 프레임워크를 구축한다. 영상 중급 이상의 의사가 흉부 CT 영상의 구조 주석을 수행한 후 CT 영상 분할을 위해 Transformer 심층 신경망을 학습하고 구조 구조 분할, 손상 감지, 질병 분류 및 자동 보고와 같은 일련의 작업을 수행합니다. 세대는 Vision Transformer self-attention 아키텍처 메커니즘을 기반으로 개발되었습니다. 흉부 CT 영상, 임상 텍스트 및 검사 다중 모드 데이터를 기반으로 다중 질병 진단 및 치료 의사 결정 시스템을 구축하고 검증했습니다.

토론

응급의학은 주로 예측할 수 없는 중대하고 갑작스러운 질병을 다룬다. 치료를 위해 응급실에 오는 환자는 종종 급성 발병, 숨겨진 상태, 빠른 진행, 많은 합병증, 높은 사망률 및 장애율을 가지고 있습니다. 임상 텍스트, 이미지 및 인공 지능을 결합하여 개발된 보조 진단 시스템은 응급실 의사가 질병을 정확하게 진단하는 능력을 크게 향상시킬 수 있습니다. 본 연구는 응급환자를 위한 CT 인공지능 보조진단 시스템의 공백을 메우고, 다중체계 및 다중질병에 대한 신속한 진단 방안을 제공한다. 마지막으로 그 결과는 임상 응용 소프트웨어로 변환되어 진단 및 치료 수준을 향상시키기 위해 임상 작업에 사용 및 홍보됩니다.