Desenvolvimento de um sistema de triagem rápida de múltiplas doenças baseado em IA (Al-MDS)

Introdução:

O diagnóstico precoce e rápido da etiologia costuma ser uma parte importante para salvar a vida de pacientes no departamento de emergência. A TC de tórax é um método de exame importante para o diagnóstico de emergência devido à sua rápida velocidade de exame e localização precisa. O diagnóstico por imagem médica tradicional depende de radiologistas para relatar de maneira qualitativa e subjetiva. Através da combinação interdisciplinar de clínica, imagem e inteligência artificial, a integração de dados multi-ômicos, a construção de modelos de linguagem em grande escala e a construção do sistema auxiliar de suporte ao diagnóstico de "uma verificação para múltiplas doenças" fornecem novas ideias e meios para a triagem rápida e precisa de doenças críticas de emergência.

Método:

Desenho do estudo Os investigadores coletaram retrospectivamente imagens de TC cardiovascular, respiratória, digestiva e neurológica, dados demográficos, histórico médico e dados laboratoriais de pacientes do departamento de emergência durante o período de 1º de janeiro de 2018 a 30 de dezembro de 2024. Realizar regularmente um trabalho padronizado de acompanhamento e concluir a coleta e o estabelecimento do banco de dados multiômicos de imagem clínica de pacientes atendidos no departamento de emergência. Os critérios de inclusão são:1. pacientes adultos de emergência com doenças cardiovasculares, respiratórias, digestivas e do sistema nervoso; 2. Esses pacientes tiveram imagens de TC. Pacientes com dados clínicos ou radiográficos incompletos foram excluídos da análise. Realize regularmente um trabalho de acompanhamento padronizado e conclua a coleta e o estabelecimento do banco de dados de dados multiômicos de imagens clínicas de pacientes atendidos no departamento de emergência.

Com base nos dados do texto médico coletados, uma estrutura de algoritmo de modelo de linguagem em grande escala de inteligência artificial é construída. Depois que a anotação da estrutura das imagens de TC do tórax é realizada por médicos acima do nível intermediário de imagem, a rede neural profunda Transformer é treinada para segmentação de imagens de TC e uma série de tarefas, como segmentação de estrutura estrutural, detecção de danos, classificação de doenças e relatório automático geração são desenvolvidos com base no mecanismo de arquitetura de auto-atenção do Vision Transformer. Foi construído e validado um sistema de tomada de decisão para diagnóstico e tratamento de múltiplas doenças com base em imagens de TC de tórax, texto clínico e dados multimodais de exames.

discussão

A medicina de emergência lida principalmente com doenças críticas e súbitas imprevisíveis. Os pacientes que chegam ao departamento de emergência para tratamento médico geralmente apresentam início agudo, condição oculta, progresso rápido, muitas complicações, alta taxa de mortalidade e incapacidade. Os sistemas de diagnóstico assistido desenvolvidos pela combinação de texto clínico, imagens e inteligência artificial podem melhorar muito a capacidade dos médicos do pronto-socorro de diagnosticar doenças com precisão. Este estudo preenche o espaço em branco do sistema de diagnóstico auxiliado por inteligência artificial de TC para pacientes de emergência e fornece um esquema de diagnóstico rápido para vários sistemas e várias doenças. Finalmente, os resultados serão transformados em software de aplicação clínica e utilizados e promovidos no trabalho clínico para melhorar o nível de diagnóstico e tratamento.