据UPMC和匹兹堡大学的医师科学家开发的一款新手机应用程序，该应用程序使用人工智能 (AI) 来准确诊断耳部感染或急性中耳炎 (AOM)，可以帮助减少幼儿不必要的抗生素使用。今天发表在《医学会儿科杂志》上的新研究。
AOM 是最常见的儿童感染之一，需要使用抗生素治疗，但如果没有经过强化培训，很难将其与其他耳部疾病区分开来。新的人工智能工具通过评估连接到手机摄像头的耳镜捕获的耳膜短视频来进行诊断，提供了一种简单而有效的解决方案，可能比经过培训的临床医生更准确。
“急性中耳炎经常被错误诊断，”资深作者、皮特医学院儿科教授、普通学术儿科主任、 UPMC 儿童社区儿科主席、医学博士亚历杭德罗·霍伯曼 (Alejandro Hoberman) 说。“诊断不足会导致护理不足，过度诊断会导致不必要的抗生素治疗，这可能会损害现有抗生素的有效性。我们的工具有助于获得正确的诊断并指导正确的治疗。”
据 Hoberman 称，大约 70% 的儿童在一岁生日前患有耳部感染。尽管这种情况很常见，但 AOM 的准确诊断需要训练有素的眼睛来检测从扭动婴儿的耳膜上获得的细微视觉发现。AOM 经常与有渗出液或耳后积液的中耳炎相混淆，这种情况通常不涉及细菌，也无法从抗菌治疗中获益。
为了开发一种实用工具来提高 AOM 诊断的准确性，Hoberman 和他的团队首先构建并注释了一个培训库，其中包含 1,151 个鼓膜视频，这些视频来自 2018 年至 2023 年间访问 UPMC 儿科门诊的 635 名儿童。两名经过培训的专家具有丰富的 AOM 研究经验的人查看了视频并做出了 AOM 或非 AOM 的诊断。
“耳鼓或鼓膜是一块薄而平坦的组织，横跨耳道，”霍伯曼说。“在 AOM 中，耳鼓像百吉饼一样凸出，留下一个类似于百吉饼洞的中央凹陷区域。相比之下，患有渗出性中耳炎的儿童则不存在鼓膜鼓出的情况。”
研究人员使用训练库中的 921 个视频来教授两种不同的 AI 模型，通过观察鼓膜的特征(包括形状、位置、颜色和半透明度)来检测 AOM。然后他们使用剩余的 230 个视频来测试模型的表现。
两种模型都非常准确，灵敏度和特异性值均超过 93%，这意味着它们的假阴性和假阳性率较低。Hoberman 表示，之前对临床医生的研究报告称，AOM 的诊断准确率在 30% 到 84% 之间，具体取决于医疗保健提供者的类型、培训水平和接受检查的儿童的年龄。
“这些发现表明我们的工具比许多临床医生更准确，”霍伯曼说。“它可能会改变初级卫生保健环境的游戏规则，支持临床医生严格诊断 AOM 并指导治疗决策。”
“我们工具的另一个好处是我们捕获的视频可以存储在患者的医疗记录中并与其他提供者共享，”霍伯曼说。“我们还可以向家长和学员(医学生和住院医生)展示我们所看到的情况，并解释为什么我们正在或没有做出耳部感染的诊断。它作为一种教学工具非常重要，并且可以让家长放心，他们的孩子正在接受适当的治疗。”
Hoberman 希望他们的技术能够很快在医疗保健提供者办公室广泛实施，以增强 AOM 的准确诊断并支持治疗决策。
免责声明：本文由用户上传，如有侵权请联系删除！
