这个 AI 可以从患者照片中检测手术部位感染

快速阅读: 《药物发现与开发》消息，梅奥诊所开发AI系统，通过患者照片检测手术感染。该系统准确率达94%，有助于减轻医生负担，提升护理质量。

梅奥诊所的研究人员开发了一种人工智能系统，具体来说是一种视觉变换器，可以从患者提交的照片中检测手术部位感染（SSIs）。研究人员在《外科学年鉴》上发表了他们的研究。来自Adobe Stock的图片显示，该团队发现随着门诊手术和远程监测的增加，临床医生的工作量正在增长。目前，临床医生需要手动通过在线门户检查患者提交的伤口图像，以寻找SSIs和其他问题。早期识别SSIs对于减少发病率至关重要，但不断增加的工作量却成为实现这一需求的障碍。

使用患者通过在线门户提交的照片，该AI系统可以自动识别手术切口，评估图像质量并标记感染迹象。该系统基于来自九家梅奥诊所的6000多名患者的20000多张图像进行训练。该模型在识别手术切口方面的准确率为94%，在识别感染方面的曲线下面积为81%。

“该AI模型基于深度学习，它使用人工神经元的多层结构来对输入图像进行抽象表示。这些层从患者提交的图像中提取特征——如边缘和图案——这些特征可能或不可能被人类眼睛看到，但具有可区分图像根据不同目标结果的信息，”该研究的共同资深作者科尼利厄斯·蒂尔斯博士说道。他还补充说，检测感染只是系统的一部分。它还可以对图像进行分类并识别低质量的图像。这项技术可以帮助减少感染诊断的延误，并为在家恢复手术的患者提供更好的护理。它可以允许更早地治疗感染，降低发病率并减少成本。

“这项工作为人工智能辅助的术后伤口护理奠定了基础，这将改变术后患者的监测方式，”该研究的第一作者哈拉·穆阿迪博士说道。“对患者而言，这意味着更快的安心或更早发现问题；对临床医生而言，它提供了一种优先关注最需要关注的病例的方法，尤其是在农村或资源有限的地区。”

蒂尔斯表示，该模型还有其他医疗应用，“例如，患者在手术后会向医生提交各种类型的图片，包括引流管和造口的图片。有机会利用类似的模型和流程来自动化和改善住院期间患者的护理。”

人工智能偏见除了统计偏差（与欠拟合有关），人工智能模型还被认为存在种族偏见。这些系统通常是在皮肤较浅的人身上训练的，这意味着它们在识别较深肤色时遇到困难。此外，模型还存在性别偏见，当被要求识别男性面孔时表现优于女性面孔。在像这样的模型中，要求评估患者图片时，减少偏见是一个重要的考虑因素。

“考虑到偏见是这项工作的重要组成部分。在最初的论文中，我们报告了一项按种族分层的敏感性分析，这表明性能相当，表明偏见很小且泛化能力强。此外，我们目前正在对皮肤色调进行额外分析，以确保模型在所有患者中都能准确运行，”蒂尔斯说道。

关于SSIs和神经网络

美国疾病控制与预防中心（CDC）的医疗相关感染流行率调查显示，2015年估计有110,800例SSIs。SSIs占医疗相关感染（HAIs）的20%。SSI也是最昂贵的HAIs类型，每年估计成本为33亿美元。SSIs使住院时间延长了9.7天，每次入院的住院费用增加了超过2万美元。

这项研究中使用的视觉变换器反映了人们对变换器日益增长的兴趣，这种平台最早在2017年的论文《注意力就是你所需要的》中提出，为谷歌搜索查询的智能和上下文能力铺平了道路，并最终催生了ChatGPT和当前的生成式AI浪潮。在这里，视觉变换器也是一种神经网络子类型，它是卷积神经网络的一种替代方案，而卷积神经网络一直是现代图像处理的支柱，包括AlexNet，这是亚历克斯·克里日夫斯基、伊利亚·苏茨克维和杰弗里·辛顿于2012年引入的平台。

“即使这个模型只帮助了一个病人，我们认为这也是一个胜利，但我们认为它有机会帮助梅奥诊所及以外的许多接受手术的病人。值得注意的是，许多工具都有潜力改善患者的预后，但这些基于人工智能的模型的一个独特之处在于，它有机会同时减轻临床医生的工作负担并改善护理的可及性，这也是非常重要的，”蒂尔斯说道。

(以上内容均由Ai生成)