研究表明人工智能和医生在分析呼吸音时识别爆裂声的难度相同
作者：by National Taiwan University
尽管爆裂声长期以来一直被认为是体检中的标志性发现，但一项新的研究表明，爆裂声不仅在人类医生中不可靠，而且在人工智能系统中也不可靠。
听诊长期以来一直是有价值的工具用于以实时、非侵入性且具有成本效益的方式诊断疾病并评估其严重程度。然而，呼吸音解读的可靠性在很大程度上取决于医生的经验、偏好和听诊技能。此外，偶然呼吸音的固有特征带来了重大的分类挑战。更重要的是，人工智能（AI）也遇到了类似的困难。
台大医院新竹院区急诊科与清华大学电机系合作建立网上呼吸音资料库，命名为“福尔摩沙呼吸音档案”。
该数据库包含 11,532 个呼吸录音，所有这些都是在急诊科以临床保真度拍摄的。利用这些广泛的数据集和先进的数据增强技术（包括 Spec Augment、Gamma Patch-Wise Correction Augmentation 和 Mixup），该团队开发了一种用于呼吸音识别的 AI 系统，其性能可与人类医生相媲美。
为了评估表现，医生和人工智能系统的任务是识别异常呼吸音。爆裂声是一种很难识别的声音，因为它具有不连续、瞬态的性质，而且缺乏音乐音质（与喘息声不同），事实证明这是有问题的。令人惊讶的是，人工智能系统在应对这些挑战方面并没有优于人类医生。在 AI 分析中还观察到裂纹的特异性、评估者间一致性和 ROC 曲线下面积较低。
这些发现强调了人类和人工智能听诊在区分爆裂音方面的共同局限性发表2024 年 10 月 15 日，发表于期刊npj 初级保健呼吸内科。
“这种共同的弱点使得裂纹成为一种不可靠的物理发现。因此，医疗决定应谨慎对待基于裂纹的情况，并通过额外检查进行验证。此外，低信号到噪声比、裂纹状噪声伪影和不规则响度导致人工智能系统在识别裂纹时面临困难。
“未来的呼吸音识别人工智能训练应该更加注重提高爆裂声的识别能力，”黄俊翔博士说。
更多信息：Chun-Hsiang Huang 等人，爆裂声的不可靠性：使用医生和人工智能进行的呼吸音研究的见解，npj 初级保健呼吸内科（2024）。DOI：10.1038/s41533-024-00392-9
提供者：台湾大学
引文:研究表明，人工智能和医生在分析呼吸音时识别爆裂声的难度相同（2024 年，11 月 29 日）检索日期：2024 年 11 月 29 日来自 https://medicalxpress.com/news/2024-11-ai-physicals-equal-difficulty-crackles.html
本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外，不得未经书面许可，不得复制部分内容。所提供的内容仅供参考。
关于《研究表明人工智能和医生在分析呼吸音时识别爆裂声的难度相同》的评论
暂无评论