根據(jù)12 月 6 日至 10 日在洛杉磯舉行的美國(guó)癲癇協(xié)會(huì)年會(huì)上公布的一項(xiàng)研究，深度學(xué)習(xí)分析可用于從幼兒智能手機(jī)家庭視頻中檢測(cè)癲癇痙攣 (ES)。

柏林夏里特醫(yī)學(xué)院的醫(yī)學(xué)博士 Gadi Miron 及其同事評(píng)估了基于人工智能(AI) 的視頻分析是否可用于自動(dòng)檢測(cè)家庭視頻中的 ES。分析包括 152 名患有 ES 的嬰兒(2 歲以下)的智能手機(jī)視頻(991 次癲癇發(fā)作和 597 個(gè)非癲癇發(fā)作五秒視頻片段)。

研究人員報(bào)告稱，ES 檢測(cè)的受試者工作特征曲線下面積 (AUC) 為 0.94，靈敏度為 78%，特異性為 85%，準(zhǔn)確率為 81%。誤報(bào)率 (FAR) 估計(jì)還包括來自 67 名正常兒童的視頻(666 個(gè)視頻片段)，F(xiàn)AR 為 5.6%，相當(dāng)于 666 個(gè)片段中有 37 個(gè)被錯(cuò)誤分類。在驗(yàn)證數(shù)據(jù)的閾值為 90% 的靈敏度下，AUC 為 0.94，靈敏度為 88%，特異性為 66%，準(zhǔn)確率為 79%，樣本外測(cè)試數(shù)據(jù)的 FAR 為 7.3%。

“該技術(shù)還可以通過提供額外的數(shù)據(jù)來幫助醫(yī)生評(píng)估患者，并可能加快診斷測(cè)試的轉(zhuǎn)診，從而更快地做出治療決策，”首席研究員、柏林夏里特大學(xué)醫(yī)學(xué)博士 Christian Meisel 在一份聲明中表示。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！