HIST-AID：利用历史患者报告增强多模态自动诊断
图像与视频处理
2025-03-28 v1 计算机视觉与模式识别
机器学习
摘要
胸部X光成像是一种广泛可用且非侵入性的诊断工具，用于检测胸部异常。尽管众多人工智能模型辅助放射科医生解读这些图像，但大多数模型忽略了患者的历史数据。为弥补这一差距，我们引入了 Temporal MIMIC 数据集，该数据集整合了五年的患者病史，包括来自 MIMIC-CXR 和 MIMIC-IV 的放射影像和报告，涵盖12,221名患者和13种病理。在此基础上，我们提出了 HIST-AID，这是一个利用历史报告提高自动诊断准确性的框架。HIST-AID 模拟了放射科医生的综合方法，利用历史数据来提高诊断准确性。我们的实验表明，与仅依赖放射影像的模型相比，AUROC 提高了6.56%，AUPRC 提高了9.51%。这些提升在不同人口统计群体中（包括性别、年龄和种族类别的差异）均一致观察到。我们发现，虽然近期数据能提升性能，但较旧的数据可能因患者状况的变化而降低准确性。我们的工作为整合历史数据以实现更可靠的自动诊断铺平了道路，为临床决策提供了关键支持。
引用
@article{arxiv.2411.10684,
title = {HIST-AID: Leveraging Historical Patient Reports for Enhanced Multi-Modal Automatic Diagnosis},
author = {Haoxu Huang and Cem M. Deniz and Kyunghyun Cho and Sumit Chopra and Divyam Madaan},
journal= {arXiv preprint arXiv:2411.10684},
year = {2025}
}
备注
In Proceedings of Machine Learning for Health