人工智能提高了估计虐待儿童的准确性
作者：Morgan Ebert, Managing Editor
与当前的编码系统相比，新模型优化了患病率估计，减少了误诊。
人工智能提高了估计虐待儿童的准确性|图片来源：©mihakonceptcorn- stock.adobe.com。
一项新的研究表明，人工智能（AI）可以显着提高急诊科儿童中估计儿童身体虐待（PA）的准确性。这项研究将在小儿学术社会（PAS）2025年4月24日至28日在檀香山举行的会议表明，与仅依靠诊断代码的传统方法相比，机器学习模型对滥用率提供了更精确的预测。
当前的编码实践及其局限性
该研究强调了使用国际疾病分类，第10修订，临床修改（ICD-10-CM）代码来确定儿童身体虐待的患病率，尤其是在急诊部门的情况下。这些代码通常用于跟踪和对诊断进行分类，可能无法提供PA发病率的完整或准确图片。研究人员认为，考虑伤害法规以及特定滥用的代码可能会实现更准确的PA患病率估计。仅对滥用法规的依赖导致该研究的平均误诊率为8.5％。
AI驱动的方法提高准确性
为了解决当前编码实践的缺点，研究人员开发了一种机器学习模型来估计虐待儿童的实例。该模型分析了高风险损伤和身体虐待的诊断代码，以产生更准确的预测。将AI驱动的方法与仅根据提供者或行政人员输入的诊断代码得出的估计进行了比较。
研究数据和人口统计
该研究检查了2021年2月至2022年12月之间七家儿童医院的3,317个急诊科访问的数据。该研究的重点是10岁以下的儿童，其中近四分之三的儿童在两岁以下。参与研究的儿童的中位年龄为8.4个月，其中59％的年龄不到一岁。
关键发现和含义
研究结果表明，与仅基于滥用特定代码的估计值相比，机器学习模型对PA患病率提供了更准确的PA患病率估计。AI方法减少了患病率估计的错误，证明了其在识别虐待儿童案件方面的优势。相比之下，估计仅依靠滥用代码高估的流行率，估计错误范围为2.0％至14.3％。预测模型显示出误差降低，范围从-3.0％到2.6％。
``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和改善儿童安全。
革新数据解释的潜力
根据Brink博士的说法，该研究表明，AI驱动的工具有可能彻底改变研究人员对敏感问题（包括虐待儿童的数据）的理解和合作。”通过对虐待儿童的患病率有更准确的了解，这项研究可以为临床实践提供依据，改善干预策略，并最终为儿童带来更好的结果。
参考：
1。BrinkF，Lo CB，Rust SW等。一种机器学习方法，以改善对身体虐待的估计。抽象的。介绍：2025年儿科学术社会年会。檀香山，夏威夷。
2。儿科学术社会。研究：人工智能更准确地识别虐待儿童的小儿学术社会。新闻稿。2025年4月25日。2025年4月25日访问。
关于《人工智能提高了估计虐待儿童的准确性》的评论
暂无评论