AI增强了虐待儿童案件的检测 - 神经科学新闻

概括：一项新的研究发现，与传统的诊断编码方法相比，人工智能可以更好地识别急诊室中虐待身体儿童的实例。研究人员开发了一种机器学习模型，该模型基于高风险伤害和身体虐待指标，更准确地估计了滥用率。

AI方法的表现优于仅依赖于诊断代码的方法，该方法误诊了约8.5％的病例。这些发现表明，AI可以显着改善对虐待儿童的早期发现和治疗，从而更好地保护弱势儿童。

关键事实：

• 提高准确性：传统的编码方法平均错过了8.5％的虐待儿童案件。
• AI优势：机器学习模型为急诊部门提供了更准确的虐待趋势。
• 脆弱的人口：该研究的重点是3,317例涉及10岁以下儿童，大多数2岁以下。

来源：小儿学术社会

一项新的研究发现，人工智能（AI）可以帮助更好地确定急诊室中发现的儿童身体虐待的普遍性。

该研究将在4月24日至28日在檀香山举行的儿科学术社会（PAS）2025会议上介绍。 

研究人员使用机器学习模型来估计急诊部门根据高风险伤害和身体虐待的诊断代码中虐待儿童的实例。

研究人员的方法比仅依靠提供商或行政人员输入的诊断代码的方法更好地预测滥用率。仅依靠滥用代码，平均误诊了8.5％的案件。

``我们的AI方法提供了更清晰的虐待趋势，这可以帮助提供者更适当地治疗虐待并改善儿童安全性。”

AI驱动的工具具有巨大的潜力，可以彻底改变研究人员如何理解敏感问题的数据，包括虐待儿童。

研究人员研究了2021年2月至2022年12月之间的七家儿童医院的3317次受伤和与虐待有关的急诊科的数据。所有儿童都在10岁以下，近三分之三的儿童均在2岁以下。

关于这个AI和虐待儿童的研究新闻

作者：PAS 2025
来源：小儿学术社会
接触：PAS 2025-小儿学术社会
图像：图像被认为是神经科学新闻

原始研究：这些发现将在小儿学术社会（PAS）2025会议上介绍

抽象的

一种改善身体虐待估计的机器学习方法

背景

国际疾病分类，第10修订，临床修改（ICD-10-CM）代码不准确确定儿童身体虐待（PA）患病率，尤其是在急诊科（ED）环境中。考虑伤害代码以及特定滥用的代码可能会实现更准确的PA患病率估计。

客观的

开发编码模式以使用机器学习更好地估计PA。

设计/方法

我们对少于10岁儿童（CAP）评估的儿童进行了二级数据分析，这是由于PA在2021年2月DEC 2022期间在7家儿童的医院中对PA的担忧，为多中心儿童虐待儿童研究网络CAPNET和儿童健康信息系统（PHIS）贡献了数据。我们排除了与PHIS没有链接的相遇，以及在CAPNET相遇期间未在ED中进行评估的遇到。

True PA由CAP分配的5-7定义，在CAPNET数据库内的7点PA可能性尺度上定义了PA。滥用特定的代码（包括可疑代码）被定义为ICD-10-CM代码，用于从疾病控制和预防中心虐待和忽视综合症监测中心的定义中修改的PA。使用了所有4位伤害ICD-10-CM代码。

我们开发了Lasso Logistic回归模型，以预测具有或没有滥用特定代码的相遇的cap captapa模型，并使用模型来计算特定于位点的PA患病率估计值。我们根据1）单独使用滥用的代码计算了站点估计的估计误差，以及2）我们的套索预测模型。估计误差定义为估计的PA患病率减去帽确定的PA患病率（真值）。

结果

6178 CAPNET相遇中的3317次与PHIS成功联系在一起，并在ED中看到。中位年龄为8.4个月，74％<2岁，59％<1年。CAP在所有遭遇的35％（n = L145）中诊断为PA，没有滥用特定代码的相遇12.7％（n = 240），以及具有滥用特定代码的63.4％（n = 905）。

至少为43％的遭遇分配了一个特定于滥用的代码。PA患病率的特定地点估计仅基于滥用特异性代码高估的流行率的分配，估计错误范围从2.0％到14.3％（平均绝对错误8.5％）。

基于我们的预测模型的站点特异性PA患病率的估计值将错误从-3.0％降低至2.6％（平均绝对误差1.8％）（图1）。在7个站点中有6个中有6个，其余位点减少了0.6％（图2）。

结论

我们的预测模型更准确地估计了与仅滥用特定代码相比，PA的流行率。