用于预测急诊科COVID-19患者病情恶化的智能系统
机器学习
2020-11-05 v2 计算机视觉与模式识别
图像与视频处理
摘要
在2019冠状病毒病（COVID-19）大流行期间，急诊科对患者进行快速准确的分诊对于辅助决策至关重要。我们提出一种数据驱动方法，利用从胸部X光图像学习的深度神经网络和从常规临床变量学习的梯度提升模型，自动预测病情恶化风险。我们的AI预后系统使用3661名患者的数据进行训练，在预测96小时内病情恶化时达到了受试者工作特征曲线下面积（AUC）0.786（95% CI：0.745-0.830）。该深度神经网络提取胸部X光图像中的信息区域以协助临床医生解读预测结果，并在一项阅片研究中与两名放射科医生表现相当。为验证真实临床环境中的性能，我们在第一波大流行期间于纽约大学朗格尼医学中心静默部署了该深度神经网络的初步版本，其实现了实时准确预测。总之，我们的发现证明了所提出系统辅助一线医生对COVID-19患者分诊的潜力。
引用
@article{arxiv.2008.01774,
title = {An artificial intelligence system for predicting the deterioration of COVID-19 patients in the emergency department},
author = {Farah E. Shamout and Yiqiu Shen and Nan Wu and Aakash Kaku and Jungkyu Park and Taro Makino and Stanisław Jastrzębski and Jan Witowski and Duo Wang and Ben Zhang and Siddhant Dogra and Meng Cao and Narges Razavian and David Kudlowitz and Lea Azour and William Moore and Yvonne W. Lui and Yindalon Aphinyanaphongs and Carlos Fernandez-Granda and Krzysztof J. Geras},
journal= {arXiv preprint arXiv:2008.01774},
year = {2020}
}