Avaliação de modelos de alerta precoce de alto risco para pneumoconiose

Pneumoconiose, a doença ocupacional predominante na China e em todo o mundo. A radiografia de tórax é o teste radiológico mais acessível e disponível para o exame físico de trabalhadores expostos à poeira e triagem em massa para pneumoconiose. Mas o processo de diagnóstico tem algumas desvantagens, como forte subjetividade, ineficiência e incapacidade de julgamento da lesão limítrofe, etc. Além disso, a precaução da pneumoconiose é mais importante do que o tratamento. No entanto, o processo atual não pode alertar antecipadamente os trabalhadores expostos a poeira de alto risco até que sejam diagnosticados com pneumoconiose. Com a característica de eficiência, impessoalidade e quantificação, a inteligência artificial é apropriada apenas para resolver os problemas mencionados. Até agora, houve pesquisas raras sobre a adaptação do aprendizado profundo para diagnóstico de grau de pneumoconiose e alerta precoce de alto risco. Em nossos estudos anteriores, montamos um banco de dados de radiografia de tórax, que contém mais de 100.000 imagens de radiografia digital de pneumoconiose. O resultado da avaliação do sistema de detecção demonstrou que a acurácia na identificação da pneumoconiose pode chegar a 90%, com AUC (Area Under The Curve) de 0,965 e sensibilidade de 99%. Mais obras precisam ser continuadas. Portanto, pretendemos adaptar o aprendizado profundo para desenvolver modelos de detecção inteligente de pneumoconiose, diagnóstico de grau e alerta precoce de alto risco. As imagens anotadas serão utilizadas para treinamento de algoritmos de redes neurais convolucionais (CNNs), visando triagem de pneumoconiose e diagnóstico de grau. Além disso, a pontuação de risco calculada pelo mapa de calor de densidade será usada para alerta precoce de trabalhadores expostos à poeira. Em seguida, o acompanhamento da coorte será implícito para verificar a validade do escore de risco. Dessa forma, os trabalhadores expostos à poeira de alto risco receberão intervenção precoce e melhor prognóstico, o que obviamente pode reduzir a carga médica.