Opracowanie systemu szybkiego wspólnego badania przesiewowego wielu chorób opartego na sztucznej inteligencji (Al-MDS)

Wstęp:

Wczesne i szybkie rozpoznanie etiologii jest często ważnym elementem ratowania życia pacjentów w oddziale ratunkowym. Tomografia komputerowa klatki piersiowej jest ważną metodą diagnostyczną w diagnostyce doraźnej ze względu na dużą szybkość badania i dokładną lokalizację. Tradycyjna diagnostyka obrazowa opiera się na jakościowych i subiektywnych raportach radiologów. Dzięki interdyscyplinarnemu połączeniu badań klinicznych, obrazowania i sztucznej inteligencji, integracji danych multiomicznych, budowie wielkoskalowych modeli językowych oraz budowie pomocniczego systemu wspomagania diagnozy „jednego sprawdzenia wielu chorób” dostarczają nowych pomysłów i środków do szybkiego i dokładnego badania przesiewowego w przypadku nagłych chorób krytycznych.

Metoda:

Projekt badania Badacze retrospektywnie zgromadzili obrazy tomografii komputerowej układu sercowo-naczyniowego, oddechowego, pokarmowego i neurologicznego, dane demograficzne, historię medyczną i dane laboratoryjne pacjentów oddziałów ratunkowych w okresie od 1 stycznia 2018 r. do 30 grudnia 2024 r. Regularnie przeprowadzaj standaryzowaną obserwację i uzupełniaj gromadzenie i tworzenie bazy danych danych multiomicznych z obrazowania klinicznego pacjentów zgłaszających się na oddział ratunkowy. Kryteria włączenia są następujące: 1. dorosłych pacjentów w nagłych przypadkach z chorobami układu krążenia, układu oddechowego, trawiennego i nerwowego; 2. Ci pacjenci mieli obrazy CT. Z analizy wykluczono pacjentów z niepełnymi danymi klinicznymi lub radiograficznymi. Regularnie przeprowadzaj standaryzowaną obserwację i uzupełniaj gromadzenie i tworzenie bazy danych danych multiomicznych z obrazowania klinicznego pacjentów zgłaszających się na oddział ratunkowy.

Na podstawie zebranych medycznych danych tekstowych budowana jest wielkoskalowa struktura algorytmu modelu językowego sztucznej inteligencji. Po wykonaniu adnotacji struktury obrazów TK klatki piersiowej przez lekarzy powyżej średniego poziomu obrazowania, głęboka sieć neuronowa Transformer jest szkolona w zakresie segmentacji obrazu CT oraz szeregu zadań, takich jak segmentacja struktury strukturalnej, wykrywanie uszkodzeń, klasyfikacja chorób i automatyczny raport generacji są rozwijane w oparciu o mechanizm architektury samouwagi Vision Transformer. Skonstruowano i poddano walidacji system podejmowania decyzji dotyczących diagnozowania wielu chorób i podejmowania decyzji terapeutycznych w oparciu o obrazy tomografii komputerowej klatki piersiowej, tekst kliniczny i dane z badań multimodalnych.

dyskusja

Medycyna ratunkowa zajmuje się głównie nieprzewidywalnymi stanami krytycznymi i nagłymi. Pacjenci zgłaszający się na oddział ratunkowy w celu leczenia często mają ostry początek, schorzenie ukryte, szybki postęp, liczne powikłania, wysoką śmiertelność i niepełnosprawność. Systemy wspomaganej diagnostyki opracowane przez połączenie tekstu klinicznego, obrazów i sztucznej inteligencji mogą znacznie poprawić zdolność lekarzy oddziałów ratunkowych do dokładnego diagnozowania chorób. To badanie wypełnia lukę w systemie diagnostyki wspomaganej sztuczną inteligencją CT dla pacjentów w nagłych wypadkach i zapewnia schemat szybkiej diagnozy dla wielu układów i wielu chorób. Ostatecznie wyniki zostaną przekształcone w oprogramowanie do zastosowań klinicznych oraz wykorzystane i promowane w pracy klinicznej w celu poprawy poziomu diagnozy i leczenia.