中国基因网

中国基因网您的位置：首页 >国内研究 >

AI系统可在10秒内准确检测出肺炎患者胸部X线的关键发现

2019-10-04 11:05:44 • 来源：

来自Intermountain Healthcare和斯坦福大学的研究人员说，十秒钟就是他们研究的新系统用多快的时间，该系统利用人工智能准确识别出疑似患有肺炎的急诊患者的胸部X光检查的关键发现。

这项研究发现，那些超快的发现可能使医生阅读X光片可以比目前的临床实践更快地准确确认肺炎的诊断，从而使治疗能够更快地开始，这对于患有肺炎的重症患者至关重要。

AI系统可在10秒内准确检测出肺炎患者胸部X线的关键发现

合作研究的结果将在2019年9月30日星期一在西班牙马德里举行的2019年欧洲呼吸学会国际会议上发表。

Intermountain和Stanford的研究人员研究了CheXpert系统，该系统是由Stanford University开发的，利用人工智能的自动胸部X射线解释模型，用于审查在犹他州Intermountain医院的许多急诊科拍摄的X射线图像。

经过审查，研究人员发现CheXpert系统可以在10秒钟内非常准确地识别X射线中的关键发现(与三位放射科医生的共识高度一致)，大大优于当前的临床实践。

这项研究的首席研究员内森·迪恩(Nathan C. Dean)表示：“ CheXpert的速度和准确性将与放射科医生查看研究结果一样。这是诊断和治疗患者以提供最佳护理的一种令人兴奋的新方法。”以及盐湖城Intermountain医学中心的肺和重症监护医学科科长。

CheXpert模型是由斯坦福机器学习小组开发的，该小组使用了188,000项胸部成像研究来创建一个模型，该模型可以在X射线上确定什么是肺炎，哪些不是肺炎。这些图像是从加利福尼亚帕洛阿尔托的斯坦福医学中心拍摄的

由于每个地区的患者人数不同，因此通过从Intermountain急诊室读取另外的6,973张图像，对CheXpert进行了犹他州的微调。

“我们一直在开发一种深度学习算法，该算法可以自动检测胸部X光片中的肺炎和相关发现，”博士Jeremy Irvin说道。斯坦福大学学生，研究小组成员。“在这项初步研究中，我们通过在Intermountain Healthcare急诊室的患者身上验证了该算法的潜力。我们希望该算法可以改善Intermountain的肺炎护理质量，从提高诊断准确性到缩短诊断时间，诊断。”

迪恩博士解释说，在典型的急诊科中，怀疑患有肺炎的患者会接受胸部X光检查。尽管创建这些图像是一个快速的过程，但读取这些图像可能会很耗时，因为这些X射线与放射线医生要解释的其他图像排成一行。该过程可能需要20分钟或更长时间，这意味着重病性肺炎患者可能会延迟抗生素的使用。

在山间急诊室，放射报告是通过Cerner自然语言处理(NLP)运行的，该语言当前是一种支持工具，用于从放射科医生的报告中获取所需的信息。然后，NLP将信息输入ePNa，这是Intermountain常见肺炎护理的电子临床决策支持工具部分。

Dean博士说，对于大多数没有ePNa的急诊科，CheXpert模型可以将胸部X射线的信息直接提供给临床医生。

他补充说：“使用CheXpert系统，我们发现口译时间非常快，报告的准确性也很高。”

对于这项研究，Intermountain放射科医生将461名Intermountain患者的胸部影像归类为“可能”，“可能不确定”，“不太可能不确定”或“不太可能”患有肺炎。他们还确定了他们认为显示肺部多个部位有肺炎的图像，以及这些患者是否患有肺炎旁积液，这是肺与胸腔之间积聚的液体。

正如先前研究中普遍显示的那样，在一半以上的患者中，放射科医生的分类彼此不同。在相同图像上的CheXpert模型性能与放射科医生相当。

研究人员发现，CheXpert模型的表现优于目前使用放射​​线医师为所有关键肺炎发现以及NLP创建放射线报告的系统。与从NLP获得20分钟到几个小时相比，它还可以在不到10秒的时间内完成操作。放射学报告的NLP是ePNa中错误的最常见原因。

“ 2013年发表在《美国医学会杂志》内部医学杂志上的一项研究发现，ePNA所犯的错误中有59%是由于放射科医生报告的NLP处理所致，所以我们渴望用更好，更快的系统来代替它，” Dean博士说。

死亡医生补充说，除了ePNa的关注之外，急诊科医师经常需要查看放射学报告来理解放射线医生用来解释胸部X射线阴影的非结构化语言。

他说，下一步是将CheXpert模型在急诊室现场使用，他预计今年秋天将在部分Intermountain Healthcare医院中采用这种模式。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。

推荐内容