外媒 | DL工具为胸痛患者分诊，预测不良结果-普瑞纯证

一项发表在《放射学》杂志上的新研究显示，深度学习（DL）模型可能有助于改善急诊科接诊急性胸痛患者的护理。急性胸痛综合征是急诊科就诊时最常见的症状之一，每年在美国因此就诊的患者超过700万人次。急性胸痛综合征可能表现为胸部紧迫感、灼热感或其他不适感；严重的疼痛会向患者的背部、颈部、肩部、手臂或下颌部扩散；或者出现呼吸急促的症状。新闻稿进一步指出，急性胸痛综合征患者中不到8%被诊断为三种主要心血管疾病之一：急性冠状动脉综合征、肺栓塞或主动脉夹层。然而，由于这些疾病可能危及生命，临床检测用于检测和诊断急性胸痛综合征的特异性较低，因此需要使用心血管和肺部诊断影像来评估患者并确定谁可能面临不良结果的风险。这些测试通常会产生负面结果，从而导致胸痛患者的分诊效率低下。为了简化这个过程，研究人员训练了一个DL模型，以识别与急性胸痛综合征相关的不良结果的模式。该研究的主要作者、马萨诸塞州总医院（MGH）放射学研究员Márton Kolossváry博士在新闻稿中表示：“据我们所知，我们的深度学习AI模型是第一个利用胸部X线识别需要立即就医的急性胸痛患者的模型。”有效地对低风险不良结果的胸痛患者进行分诊是减轻急诊科负担的关键，因为急诊科已经面临着高患者数量和医院床位短缺的困境。为了解决这个问题，研究人员开发了一个开源的DL模型，以基于胸部X线识别急性胸痛综合征患者中存在30天急性冠状动脉综合征、肺栓塞、主动脉夹层或全因死亡风险的患者。该模型使用了MGH的23005名患者的数据。收集了在2005年1月至2015年12月期间在MGH或波士顿布里格姆妇女医院接受胸部X线、额外心血管或肺部影像或应力测试的急性胸痛综合征患者的电子病历。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。