Effektsammenligning mellom uavhengig auskultasjon av spesialistleger og AI-assistert auskultasjon av primærleger i storskala screening for medfødt hjertesykdom: en klynge randomisert kontrollert studie i Kina

De siste årene har integreringen av kunstig intelligens (AI) i helsevesenet akselerert, og dyp læring har dukket opp som et kraftig verktøy innen medisin. Dyplæringsalgoritmer kan automatisk trekke ut komplekse funksjoner og mønstre, noe som muliggjør svært nøyaktig gjenkjenning av hjertelyder. Basert på dette grunnlaget har professor Sun Kun og teamet hans ved Xinhua Hospital, tilknyttet Shanghai Jiao Tong University School of Medicine, i samarbeid med flere sentre over hele Kina, undersøkt utviklingen og anvendelsen av AI-assistert hjertelydsgjenkjenning for screening av medfødte hjertesykdom (CHD). Ved å utnytte elektroniske stetoskoper for å samle inn hjertelyder og bruke AI-algoritmer på omfattende datasett fra både barn med CHD og friske barn, har systemet blitt opplært til å skille mellom normale og patologiske bilyder, og oppnå en nøyaktighet og følsomhetsgrad på 90 %.

Denne prospektive klyngen-randomiserte kliniske studien er designet for å vurdere ikke-underordnethet av AI-assisterte primære helsetjenester leger i å identifisere CHD sammenlignet med spesialistleger som utfører uavhengig identifikasjon. Gjennom kontinuerlig optimalisering og bred anvendelse, prøver denne forskningen å utstyre allmennleger, barnehelseger og ikke-kardiovaskulære spesialister med AI-assisterte elektroniske auscultation-evner, og til slutt styrke standarden for pediatrisk pleie på landsbasis. Når screeningnettverket utvides, forventes prosjektet å redusere tapte diagnoser og øke deteksjonshastigheten i CHD -screening. Dessuten ønsker prosjektet å tilby gjennomførbare og kostnadseffektive løsninger for barnehelsestyring til andre utviklingsland, og bidrar til global innsats for å forbedre barns helse.