首页 > 解决方案 > 环保

FMD 《医学前沿》研讨:依据动态不确认因果图理论开发的人工智能确诊模型对呼吸困难为主诉疾病的辨别确诊作用评价

作者:欧宝体育电竞官网入口 信息来源:欧宝体育app入口 发布日期:2021-09-04 06:25:33 点击次数: 12

  人工智能(AI)辅佐确诊近年飞速开展。在现在开展现已比较老练的病理、放射印象及皮肤疾病确诊等方面,AI辅佐确诊的准确性乃至可超越专科医师的均匀确诊水平。可是,干流AI技能的打破和运用仅会集在依据模式识别的临床确确诊定。在临床治疗工作中需求更为广泛的依据逻辑推理的疾病确诊方面仍是研制的难点。动态不确认因果图(dynamic uncertain causality graph, DUCG)理论是为战胜世界上盛行的处理不确认因果常识的表达和推理模型贝叶斯网络的缺点而提出的。现在已运用于杂乱工业体系进行故障确诊。

  作者团队经过运用北京协和医院多学科疑难病确诊的丰厚临床经历,经过一系列探索性研讨,逐步完善树立了依据逻辑推理的人工智能辅佐确诊体系。研讨证明该人工智能确诊体系可补偿个人常识和专业经历的约束,可明显提高全科确诊效能。这一成果拟推行助力底层全科医师,从而为我国医疗卫生体系供给具有高本钱效益的医疗质量提高计划。

  摘 要依据动态不确认因果图 (DUCG)理论树立以呼吸困难症状为主诉疾病的人工智能辅佐确诊模型,并验证其确诊价值。结合临床专家经历和盛行病学数据,确认呼吸困难为主诉的疾病库,优化疾病库内各疾病的确诊与辨别确诊途径;然后依据DUCG理论的不确认因果常识表达方法,经过DUCG常识库编辑器,构建人工智能辅佐确诊模型;挑选2013 年1 月至2018 年12月一家三级医院电子信息病历体系内主诉为呼吸困难的住院患者病历,随机挑选确诊为疾病库内的每个病种的病例,运用DUCG测验渠道和推理机进行测验,验证模型的确诊准确性。以呼吸困难症状为主诉的常见疾病库包含疾病和综合征28种。构建的人工智能辅佐确诊模型共包含132个症状、体征、血清学和印象学的成果变量。按挑选条件归入验证病例数为202例,195例确诊正确,全体模型确诊准确率为96.5%。依据DUCG 的人工智能确诊模型可补偿个人常识和专业经历的约束,到达较高的确诊准确性,其未来运用可为提高我国卫生服务质量供给契合本钱效益的医疗解决计划。

  由教育部主管、高等教育出书社主办的《前沿》(Frontiers)系列英文学术期刊,于2006年正式创刊,以网络版和印刷版向全球发行。系列期刊包含基础科学、生命科学、工程技能和人文社会科学四个主题,是我国掩盖学科最广泛的英文学术期刊群,其间13种被SCI录入,其他也被A&HCI、Ei、MEDLINE或相应学科世界威望检索体系录入,具有必定的世界学术影响力。系列期刊选用在线优先出书方法,确保文章以最快速度宣布。

  高等教育出书社当选“我国科技期刊杰出行动计划”集群化项目。Frontier系列期刊中:13种被SCI录入;1种被A&HCI录入;6种被Ei录入;2种被MEDLINE录入;11种我国科技中心期刊;16种被CSCD录入。

  特别声明:本文转载仅仅是出于传达信息的需求,并不意味着代表本网站观点或证明其内容的真实性;如其他媒体、网站或个人从本网站转载运用,须保存本网站注明的“来历”,并自傲版权等法律责任;作者假如不期望被转载或许联络转载稿酬等事宜,请与咱们接洽。

  FCS 《计算机科学前沿》研讨:MapReduce结构下不完好数据的有用k-分配skyline查询

【关闭】 【打印】