利用仅基于健康受试者训练的 AI 模型量化功能障碍与疾病严重程度
机器学习
2023-11-22 v1 人工智能
定量方法
摘要
自动评估功能障碍与疾病严重程度是数据驱动医学中的一项关键挑战。我们提出一个新框架应对该挑战，其利用仅在健康个体上训练的 AI 模型。基于置信度的异常表征（COBRA）分数利用这些模型在面对功能障碍或患病患者时置信度的下降，来量化其与健康人群的偏离程度。我们应用 COBRA 分数解决了当前卒中患者上半身功能障碍临床评估的一个关键局限。金标准 Fugl-Meyer 评估（FMA）需要训练有素的评估者面对面施行 30–45 分钟，这限制了监测频率，并使医生无法根据每位患者的进展调整康复方案。COBRA 分数在不到一分钟内自动计算，在独立测试队列上对两种不同数据模态显示出与 FMA 的强相关性：可穿戴传感器（，95% CI [0.743,0.908]）和视频（，95% CI [0.594, 0.847]）。为证明该方法对其他病症的泛化能力，COBRA 分数还被应用于从磁共振成像扫描量化膝骨关节炎的严重程度，再次与独立临床评估取得显著相关性（，95% CI [0.585,0.696]）。
引用
@article{arxiv.2311.12781,
title = {Quantifying Impairment and Disease Severity Using AI Models Trained on Healthy Subjects},
author = {Boyang Yu and Aakash Kaku and Kangning Liu and Avinash Parnandi and Emily Fokas and Anita Venkatesan and Natasha Pandit and Rajesh Ranganath and Heidi Schambra and Carlos Fernandez-Granda},
journal= {arXiv preprint arXiv:2311.12781},
year = {2023}
}
备注
32 pages, 10 figures