研究人员开发人工智能驱动的方法来更快地诊断肺部感染

研究人员开发人工智能驱动的方法来更快地诊断肺部感染

肺炎等肺部感染是全世界死亡的主要原因之一，但众所周知，它们很难诊断。

现在，加州大学旧金山分校的研究人员找到了一种方法，通过将医疗记录的生成式人工智能分析与下呼吸道感染的生物标志物相结合，来识别危重患者的这些感染。

在一项针对危重成人的观察性研究中，该组合的诊断正确率为 96%，并且比 ICU 医生更准确地区分呼吸衰竭的感染性和非感染性原因。作者估计，如果在患者入组时使用该模型，可以将不适当的抗生素使用减少 80% 以上。

“我们开发了一种比培养更快产生结果的方法，并且可以很容易地在临床中实施，”医学副教授、12 月 16 日发表的这项研究的资深作者 Chaz Langelier 博士说。自然交流。

我们相信这可以加快诊断速度并减少不必要的抗生素使用。”

Chaz Langelier，加州大学旧金山分校医学副教授

该模型的一个重要特征是 Langelier 团队在 2023 年开发的生物标志物。他们发现这是一种调节炎症的基因，称为FABP4可以帮助诊断感染，因为与正常肺细胞相比，它在免疫细胞中表达较少。

目前的研究检查了两组重症患者的数据：98 名是在 COVID-19 大流行之前招募的，大多数患有细菌感染；98 名是在 COVID-19 大流行之前招募的，其中大多数患有细菌感染； 59 人是在大流行期间招募的，大多数人都感染了病毒，包括 COVID-19。

首先他们单独测试了每种方法 –FABP4生物标记物或人工智能——发现它们每个人的诊断正确率约为 80%。研究人员随后将该模型的结果与将患者送入医院重症监护室的医生的诊断进行了比较。

这些医生为大多数患者开了抗生素治疗肺炎，而生物标志物加人工智能模型在诊断肺炎方面更为合理。

为了进一步测试模型的准确性，团队将人工智能分析病历的方式与三位不同的内科和传染病专业医生分析病历的方式进行了比较。 AI 是由 GPT4 在 UCSF 开发的隐私平台上执行的。

两者得到的正确诊断数量大致相同，但人工智能更重视胸部 X 光的放射学报告，而医生则专注于临床记录。

该论文的第一作者之一、医学助理教授、医学博士、哲学博士娜塔莎·斯波蒂斯伍德 (Natasha Spottiswoode) 表示：“如果你能这样评价人工智能，那么这几乎表明了文化差异。” “它展示了人工智能如何补充医生的工作。”

该团队在论文中发布了他们的人工智能提示，并鼓励医生在他们自己的符合 HIPAA 的人工智能平台上进行尝试。

“它非常容易使用，你不必成为一名生物信息学家，”生物信息学家、该论文的第一作者 Hoang Van Phan 博士说。

该团队正在将该模型作为临床测试进行验证。接下来，他们转向脓毒症，这是医院死亡的主要原因，而且众所周知，脓毒症也很难确定。

资料来源：