基于深度学习的压疮分类：一项评估模型性能的临床试验

压疮对患者和医疗专业人员都是一项挑战。在英国，每年有 700,000 人受压疮影响。治疗压疮每天花费国家医疗服务体系（NHS）380 万英镑。其病因复杂且多因素。然而，证据表明高龄、疾病相关的久坐生活方式和不健康饮食习惯之间存在强关联。压疮由皮肤与床或椅长时间直接接触且未频繁变换体位引起。尿失禁和粪失禁、糖尿病以及限制体位和营养的损伤也是已知风险因素。现有指南和治疗方法，但其实施与成效在不同医疗环境中差异很大。这主要是因为医疗从业者 a) 处理压疮的经验极少，且 b) 普遍缺乏对压疮治疗的理解。管理不善的压疮会导致剧烈疼痛、生活质量低下以及巨大的医疗成本。在本文中，我们报告由 Mersey Care NHS Foundation Trust 开展的一项临床试验的结果，该试验评估了一个基于更快区域卷积神经网络和移动平台的模型对压疮进行分类和记录的性能。该神经网络对 I、II、III、IV 类压疮、深部组织损伤和不可分期压疮进行分类。地区护士拍摄的压疮照片通过 4/5G 通信传输至推理服务器进行分类。分类后的图像被存储并审查，以评估该模型作为临床决策支持和标准化报告工具的预测与相关性和适用性。研究结果生成的均值平均精度（Precision）=0.6796、召回率（Recall）=0.6997、F1 分数（F1-Score）=0.6786，在 @.75 置信度阈值下出现 45 个假阳性。