Crit Care:利用人工智能分析了COVID-19危重患者的微循环变化

2022-10-17 MedSci原创 MedSci原创

舌下微循环可能在功能和形态上表现出疾病特有的变化。研究人员成功地训练了一个基于深度学习的模型,在舌下HVM图像序列中区分COVID-19危重患者和健康志愿者。经过内部验证,深度学习优于算法方法。

舌下微循环可能在功能和形态上表现出疾病特有的变化。最近,基于算法的手持式生命显微镜(HVM)测得的功能微循环血流动力学指标可以识别与COVID-19相关的微循环血流动力学改变。

近日,危重病医学领域权威杂志Critical Care上发表了一篇研究文章,研究人员假设有监督的深度机器学习可以用于识别之前未知的微循环变化,并结合算法量化的功能变量提高模型的性能,以区分COVID-19危重患者和健康志愿者。

研究人员采用4个国际、多中心的COVID-19危重患者和健康志愿者队列(n=59/n=40)进行神经网络训练和内部验证,以及功能微循环血流动力学变量的量化。在第二个队列(n=25/n=33)中进行了模型的独立验证。

157名受试者纳入了692个图像序列。对于基于算法、基于深度学习和组合的模型,bootstrap内部验证得到的COVID-19状态检测AUROC(CI)分别为0.75(0.69-0.79)、0.74(0.69-0.79)和0.84(0.80-0.89)。个体模型在外部验证中的表现分别为0.73(0.71-0.76)和0.61(0.58-0.63)。结合神经网络和基于算法的识别得到了最高的外部验证AUROC为0.75(0.73-0.78)(与内部验证和单个模型相比P<0.0001)。

由此可见,研究人员成功地训练了一个基于深度学习的模型,在舌下HVM图像序列中区分COVID-19危重患者和健康志愿者。经过内部验证,深度学习优于算法方法。然而,与单独的两种方法相比,将深度学习方法与基于算法的方法相结合来量化微循环的功能状态显著提高了其敏感性和特异性,并能够成功地通过外部验证确定与COVID-19状态相关的微循环改变。

原始出处:

Matthias Peter Hilty.et al.Microcirculatory alterations in critically ill COVID-19 patients analyzed using artificial intelligence.Critical Care.2022.https://ccforum.biomedcentral.com/articles/10.1186/s13054-022-04190-y



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。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。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言

相关资讯

同期两篇Science:人工智能革新蛋白质设计:准确而快速地创造蛋白质

两篇研究开发并证明了ProteinMPNN的广泛实用性和高准确性,弥补了以前使用Rosetta或AlphaFold进行的蛋白质单体、环状同源寡聚体、四面体纳米颗粒和靶结合蛋白的不足。

Cell Reports:南方医科大学朱浩团队开发深度学习算法DeepFavored,揭示适应性突变与疾病易感性关联

人类和黑猩猩之间的基因差异仅为1%,但就是这1%的差异将人类与黑猩猩区分开来。因此,人类基因组中的许多微小变化决定了人类特有的特征。基因组的单核苷酸多态性(SNP)使人类能够适应不同的环境和生活方式,

European Radiology:人工智能,开辟胸片检测COVID-19的新时代!

胸片(CXR)通常是对有急性呼吸道症状的患者进行初步评估的常规手段,且价格便宜、辐射剂量低,而且在绝大多数的医院中都可以获得。

J Nurs Manag:基于AI的智能监控可减少护患互动中护士的工作时间

基于 AI 的智能监测在减少护患互动中的工作时间方面显示出巨大的潜力。

Radiology:人工智能工具在评估CT不确性肺结节中的价值

最近,临床上开发出了使用原始CT数据的放射组学工具,以帮助临床医生进行IPNs的恶性或良性分类。

Nature:AlphaZero加强版AlphaTensor问世,发现史上最快矩阵乘法算法,在医学上能做什么?

AlphaZero,DeepMind开发的人工智能。2016年末2017年初,该程序在中国棋类网站上以“大师”(Master)为注册账号与中日韩数十位围棋高手进行快棋对决,连续