登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《4月19日_一种新的基于人工智能的COVID-19诊断方法》

  • 来源专题：COVID-19科研动态监测
  • 编译者： xuwenwhlib
  • 发布时间：2020-04-21

  • 信息名称：一种新的基于人工智能的COVID-19诊断方法
    1.时间：2020年4月19日
    2.机构或团队：谢菲尔德大学
    3.事件概要：
    谢菲尔德大学在medRxiv预印本平台发表论文“A novel specific artificial intelligence-based method to identify COVID-19 cases using simple blood exams”。
    文章开发了一种机器学习分类策略，旨在通过大批量的简单血液检测样本进行初筛，快速判定可能为阳性的样本。随后，阳性样本可进行进一步的高敏感性测试（CT、特异性抗体检测）。该AI模型平均特异性为85.98% [95%CI: 84.94 -86.84]，阴性预测值（NPV）为94.92% [95%CI: 94.37% -95.37%]。在敏感性方面，该模型平均达到70.25% [95%CI: 66.57% -73.12%]，阳性预测值( PPV)为44.96% [95%CI: 43.15% -46.87%]。接收器工作特性（ROC）的曲线下面积（AUC）为 86.78% [95%CI: 85.65% –87.90%]。该模型能够较准确地预测急救室中的阴性和阳性病例，在病人分流中发挥重要作用。该人工智能模型名为ER-CoV，所有代码都可以在https://github.com/soares-f/ER-CoV上找到。
    *注，本文为预印本论文手稿，是未经同行评审的初步报告，其观点仅供科研同行交流，并不是结论性内容，请使用者谨慎使用。
    4.附件：
    原文链接：https://www.medrxiv.org/content/10.1101/2020.04.10.20061036v2

  • 原文来源：https://www.medrxiv.org/content/10.1101/2020.04.10.20061036v2
122浏览量
原文链接
相关报告

  • 《5月19日_人工智能帮助快速诊断COVID-19》
    • 来源专题：COVID-19科研动态监测
    • 编译者：xuwenwhlib
    • 发布时间：2020-05-20
    • 信息名称：人工智能帮助快速诊断COVID-19 1.时间：2020年5月19日 2.机构或团队：西奈山伊坎医学院、四川大学、浙江大学第二附属医院、蚌埠医学院第一附属医院、中山大学第五附属医院、南溪山医院、阜阳市第二人民医院、亳州骨伤科医院影像中心、武汉大学附属人民医院、纽约East River医学影像、威尔康乃尔医学院、麻省综合医院 3.事件概要： 西奈山伊坎医学院联合多家机构在Nature Medicine发表论文“Artificial intelligence–enabled rapid diagnosis of patients with COVID-19”。 目前，SARS-CoV-2病毒特异性逆转录酶聚合酶链反应(RT-PCR)是诊断COVID-19的主要方法，然而，完成这个测试需要2 天时间，并且需要辅助一系列测试来排除假阴性的可能，加之缺乏RT-PCR检测盒，因此迫切需要寻找替代方法以快速、准确的诊断COVID-19患者。胸部计算机断层扫描(CT)在评估疑似SARS-CoV-2感染患者时具有重要价值，然而，仅凭CT的预测，准确率不高，因为一些患者在疾病的早期可能表现为正常的放射学。在本研究中，文章利用人工智能(AI)算法将胸部CT的表现与临床症状、暴露史和实验室检测结合起来，快速诊断出COVID-19阳性患者。在一组279名患者的测试中，人工智能系统获得了0.92曲线下面积，与高级胸部放射科医生具有相同的灵敏度。人工智能系统还提高了CT扫描正常而RT-PCR为阳性患者的检出率，而放射科医生却将所有这些患者归为COVID-19阴性。当CT扫描和相关可用的临床病史结合时，AI系统可以帮助快速诊断COVID-19患者。 4.附件： 原文链接：https://www.nature.com/articles/s41591-020-0931-3
    157浏览量
    原文链接

  • 《一种新的基于人工智能的COVID-19诊断方法》
    • 来源专题：生物安全知识资源中心 | 领域情报网
    • 编译者：hujm
    • 发布时间：2020-05-07
    • 谢菲尔德大学在medRxiv预印本平台发表论文“A novel specific artificial intelligence-based method to identify COVID-19 cases using simple blood exams”。 文章开发了一种机器学习分类策略，旨在通过大批量的简单血液检测样本进行初筛，快速判定可能为阳性的样本。随后，阳性样本可进行进一步的高敏感性测试（CT、特异性抗体检测）。该AI模型平均特异性为85.98% [95%CI: 84.94 -86.84]，阴性预测值（NPV）为94.92% [95%CI: 94.37% -95.37%]。在敏感性方面，该模型平均达到70.25% [95%CI: 66.57% -73.12%]，阳性预测值( PPV)为44.96% [95%CI: 43.15% -46.87%]。接收器工作特性（ROC）的曲线下面积（AUC）为 86.78% [95%CI: 85.65% –87.90%]。该模型能够较准确地预测急救室中的阴性和阳性病例，在病人分流中发挥重要作用。该人工智能模型名为ER-CoV，所有代码都可以在https://github.com/soares-f/ER-CoV上找到。 *注，本文为预印本论文手稿，是未经同行评审的初步报告，其观点仅供科研同行交流，并不是结论性内容，请使用者谨慎使用。
    159浏览量
    原文链接