近日,九江學(xué)院附屬醫(yī)院呼吸與危重癥醫(yī)學(xué)科團(tuán)隊(duì)吳超玲/童建林等在國(guó)際知名期刊《Respiratory Research》(中科院2區(qū),IF: 4.7分)發(fā)表題為《The large language model diagnoses tuberculous pleural effusion in pleural effusion patients through clinical feature landscapes》的高水平研究論文。作為創(chuàng)新成果,論文同時(shí)獲得“International Research Awards on Infectious Diseases(國(guó)際傳染病研究獎(jiǎng))”提名。
該研究首次將人工智能技術(shù)深度應(yīng)用于結(jié)核性胸腔積液(TPE)的精準(zhǔn)診斷,展示了人工智能在提升診斷準(zhǔn)確性和效率方面的巨大潛力。團(tuán)隊(duì)從海量臨床數(shù)據(jù)中挖掘關(guān)鍵特征,結(jié)合AI技術(shù)突破傳統(tǒng)瓶頸,讓科研緊跟AI新時(shí)代。該研究不僅為胸膜積液的診斷提供了新思路,也為將人工智能技術(shù)應(yīng)用于臨床診斷提供了寶貴經(jīng)驗(yàn),具有廣泛的臨床推廣價(jià)值。
亮點(diǎn)一:創(chuàng)新引領(lǐng)診斷變革
研究團(tuán)隊(duì)利用ChatGPT-4等大型語言模型(LLM),整合超600項(xiàng)臨床特征數(shù)據(jù),構(gòu)建了目前已知的全球首個(gè)基于人工智能的TPE診斷模型。研究結(jié)果顯示,該模型的診斷準(zhǔn)確性顯著優(yōu)于傳統(tǒng)的邏輯回歸模型,同時(shí)相較于傳統(tǒng)機(jī)器學(xué)習(xí)模型,提供了更加便捷、快速且成本低廉的解決方案。這一創(chuàng)新為結(jié)核性胸腔積液的早期識(shí)別提供了全新路徑,具有重要的臨床推廣價(jià)值。
亮點(diǎn)二:突破傳統(tǒng)診斷手段
結(jié)核性胸腔積液的確診通常依賴于胸膜活檢等手術(shù)性操作,存在耗時(shí)長(zhǎng)、創(chuàng)傷大、靈敏度低等問題,容易延誤治療。ChatGPT-4診斷模型不僅能大大減少對(duì)手術(shù)性操作的依賴,還能在更短時(shí)間內(nèi)提供高精度的診斷結(jié)果。研究還通過對(duì)比傳統(tǒng)機(jī)器學(xué)習(xí)(XGBoost、隨機(jī)森林等)與邏輯回歸模型,進(jìn)一步驗(yàn)證了人工智能技術(shù)在診斷中的優(yōu)越性。
亮點(diǎn)三:提高臨床診斷效率
研究開發(fā)的Python工具包“tpeai”(https://pypi.org/project/tpeai/)可快速分析胸腔積液生化指標(biāo)(如腺苷脫氨酶ADA)及血常規(guī)數(shù)據(jù),一鍵生成診斷建議,幫助醫(yī)生快速區(qū)分結(jié)核性胸腔積液與非結(jié)核性胸腔積液,大大提高了臨床診斷效率。
亮點(diǎn)四:成果獲國(guó)際認(rèn)可
這項(xiàng)研究不僅在國(guó)際醫(yī)學(xué)界引起了廣泛關(guān)注,還為醫(yī)療人工智能的應(yīng)用提供了寶貴的經(jīng)驗(yàn)和數(shù)據(jù)支持。團(tuán)隊(duì)成員通過深入研究臨床數(shù)據(jù)和人工智能算法的結(jié)合,推動(dòng)了疾病診斷的進(jìn)展,并憑借這一創(chuàng)新成果,榮獲“International Research Awards on Infectious Diseases(國(guó)際傳染病研究獎(jiǎng))”提名。
該項(xiàng)研究成果是九江學(xué)院附屬醫(yī)院在人工智能與臨床醫(yī)學(xué)交叉領(lǐng)域取得的重要突破,也是科研創(chuàng)新能力的集中體現(xiàn)。未來,九江學(xué)院附屬醫(yī)院將推動(dòng)更多高水平科研成果的產(chǎn)出,為醫(yī)學(xué)進(jìn)步和患者健康貢獻(xiàn)力量。
(來源:九江學(xué)院附屬醫(yī)院)
編輯:畢典夫
責(zé)編:曹玉婷
審核:吳雪倩