世福兰斯开发人工智能模型
诊断准确率超93%
一种能够在早期对脑膜炎和脑炎病因进行分类的人工智能（AI）模型已经问世。
Park Yurang 延世大学医学院医生命系统信息学教室教授、Choi Bogyu 讲师、Kim Kyungmin 世福兰斯医院神经科教授研究团队于27日表示，他们利用脑膜炎和脑炎患者的早期数据，开发出一款病因诊断准确率超过93%的人工智能模型。研究结果刊登在国际学术期刊《eClinicalMedicine》最新一期上。
脑膜炎和脑炎是中枢神经系统发生炎症的疾病。其致病原因十分多样，不同病因导致的症状和预后也各不相同。其中，如为细菌性或结核性，死亡率较高。即使经过治疗，仍可能出现认知功能障碍、脑血管障碍、惊厥发作反复等后遗症，因此快速进行病因诊断和治疗十分重要。
脑膜炎和脑炎可以通过培养检查、抗体检查等方式查明病因。但部分特定检查从实施到出结果需要数周以上时间。在实际临床中，往往在结果出来之前，只能根据症状进行经验性治疗，由此可能引发并发症。
研究团队开发了基于人工智能的脑膜炎及脑炎病因分类模型，并对其效果进行了分析。
研究团队以2006年至2021年间前往世福兰斯医院就诊的283名脑膜炎和脑炎患者入院后24小时内的数据为基础，开发出一款能够在自身免疫性、细菌性、结核性、病毒性四种病因中进行判别的AI分类模型。作为该AI分类模型的诊断因子，使用了血压、心率等生命体征数据，以及脑部CT、胸部X线、血液和脑脊液检查等共77项数据。
此后，研究团队又以世福兰斯医院的283名患者，以及2008年至2022年间前往江南世福兰斯医院就诊的220名脑膜炎、脑炎患者为对象，对构建的模型效果进行了验证。
研究团队利用包括受试者工作特征曲线下面积（AUROC）、准确度（Accuracy）、精确度（阳性预测值，Precision）在内的5项指标，对AI模型的预测性能进行了分析。
AUROC意为“ROC曲线下面积”，是一种用于表示某种疾病诊断工具的诊断准确度的统计方法，主要作为评价AI模型性能的指标。一般而言，数值越接近1，性能越优异，若达到0.8以上，则被评估为高性能模型。
AI模型在世福兰斯医院患者中的预测准确度（AUROC）为0.94（94%），在江南世福兰斯医院患者中的预测准确度为0.92（92%）。
为确认预测模型在临床上的应用可能性，研究团队还以1197名病因尚未查明的脑膜炎和脑炎患者为对象，对准确度进行了验证。结果显示，在实际临床中的预测与最终诊断有超过93%的吻合率。
以Severance医院和江南Severance医院患者为对象分析AI模型的预测准确度结果显示，AUROC在Severance医院为0.94（94%），在江南Severance医院为0.92（92%），预测性能较高。
View original image此外，研究团队还另行选取了100名患者，对AI模型、其他科室专科医生以及神经科专科医生的病因诊断结果进行了比较。
AI病因分类模型的预测准确度为93%，明显高于其他科室专科医生34%和神经科专科医生75%的预测准确度。
Park Yurang 教授表示：“通过本次研究，我们构建了一个能够成功分析脑炎和脑膜炎多种病因的人工智能模型。今后可利用这一AI诊断模型预测患者脑炎及脑膜炎的发病原因，从而快速决定合适的治疗方向并加以应用。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
