University of Texas Medical Branch 脊髓灰质瘤计算案例研究
图像与视频处理
2025-09-30 v1 计算机视觉与模式识别
摘要
本案例研究详述了 University of Texas Medical Branch (UTMB) 与 Zauron Labs, Inc. 的合作，旨在增强使用胸部 X 光片检测和编码主动脉钙化（AC）。AC 常被低报尽管其对心血管疾病的预后价值显著，UTMB 与 Zauron 合作应用其先进的 AI 工具，包括一个表现优异的图像模型（AUC=0.938）和基于 Meta Llama 3.2 微调的语言模型，对影像和报告数据进行回顾性分析。该工作识别出 3,988 名独立患者（共 5,000 项检查）中 495 名报告中包含主动脉钙化指征但未正确编码以获取报销（12.4% 错误编码率），以及另外 84 名患者在初始审核中遗漏了主动脉钙化（2.1% 错误诊断率）。识别这些患者为 UTMB 提供了影响临床护理的潜力，以及追求每年遗漏收入 31.4 万美元的机会。这些发现让 UTMB 决定全面采用 Zauron 的 Guardian Pro 软件系统，以确保准确、AI 增强的同行评审和编码，从而改善患者护理和财务盈余。本研究在 University of Texas Health San Antonio 的伦理审查委员会下进行，研究 ID 为 00001887。
引用
@article{arxiv.2509.23930,
title = {A University of Texas Medical Branch Case Study on Aortic Calcification Detection},
author = {Eric Walser and Peter McCaffrey and Kal Clark and Nicholas Czarnek},
journal= {arXiv preprint arXiv:2509.23930},
year = {2025}
}
备注
9 pages, 2 figures