機器學習可用于診斷兒童肺炎感染的更簡單方法

（文章來源：攜手健康網(wǎng)）

牛津大學的研究人員正在開發(fā)一種工具，使人們更容易，更便宜地診斷肺炎(5歲以下兒童的頭號殺手)。他們的最新研究發(fā)表在皇家學會接口期刊上。當前，正確診斷肺炎并了解其嚴重程度需要專業(yè)醫(yī)生和昂貴的設(shè)備，例如X射線機。發(fā)展中國家的社區(qū)衛(wèi)生工作者都無法使用這兩種方法，在發(fā)展中國家，每年110萬兒童肺炎死亡的99%發(fā)生在這里。

牛津大學生物醫(yī)學工程研究所的艾琳娜·內(nèi)德諾娃(Elina Naydenova)解釋說：“離醫(yī)院最近的工作時間，通才的衛(wèi)生工作者依賴一套被稱為IMCI的指南。這些指南有時可以很好地識別肺炎病例，但不能很好地篩查病例在不同的情況下，使用者之間也存在很大的差異。在沒有臨床專家做出結(jié)論性診斷的環(huán)境中，不必要的抗生素處方數(shù)量增加了，從而耗盡了重要的藥物供應(yīng)并增加了抗生素耐藥性感染問題。我們希望應(yīng)用智能工程技術(shù)來開發(fā)強大的自動化系統(tǒng)，該系統(tǒng)始終更加準確?！?/p>

準確的診斷可以將死亡率降低42%，但不僅能正確識別兒童是否患有肺炎。衛(wèi)生工作者還需要判斷感染的嚴重程度，以確定孩子是否需要轉(zhuǎn)診至醫(yī)院，以及感染是細菌感染還是病毒感染，以確定抗生素是否會產(chǎn)生影響。但是，他們只需要能夠使用一套基本的便攜式設(shè)備來完成所有這些工作。

為了使自動化系統(tǒng)有效，它必須能夠使用該基本設(shè)備的數(shù)據(jù)，因此牛津團隊從岡比亞的一項臨床研究中獲取了深入的數(shù)據(jù)，并使用機器學習技術(shù)來查看它們是否可以開發(fā)出一種可以診斷出肺炎的算法。

Elina說：“為鑒定肺炎，我們發(fā)現(xiàn)可以用兩臺設(shè)備進行測量的四個特征。心率，呼吸頻率和血氧飽和度都可以使用脈搏血氧儀進行測量。溫度需要溫度計。這些都是可以制造的。提供給接受基礎(chǔ)培訓的衛(wèi)生工作者?！芭cIMCI相比，使用這四項措施，我們達到了98.2%的敏感性和97.5%的特異性(即，他們可以正確地識別出每1000例肺炎病例中的982例，而錯誤地識別出每1000例無此病的人中25例的肺炎]最好的性能是94%的靈敏度和69%的特異性。”

通過使用聽診器對兩種肺音進行評估，該團隊能夠以72.4%的敏感性和82.2%的特異性(IMCI分別達到79.3%和67.7%)確定感染的嚴重程度。盡管該團隊指出，添加生物標志物C反應(yīng)蛋白(CRP)的測試可提供89.1%的靈敏度和81.3%的特異性，但該團隊指出這將涉及額外的費用。

最后，通過使用名為Lipocalin-2的生物標記物同時評估心臟和呼吸頻率以及血氧飽和度，該團隊可以以81.8%的敏感性和90.6%的特異性鑒定肺炎是細菌性還是病毒性的。當使用IMCI時，它對嚴重的細菌感染具有100%的敏感性，但對特異性細菌的敏感度卻為0%-所有嚴重的病毒病例也都應(yīng)開具不會造成任何影響的抗生素。雖然這些生物標記物的低成本測試尚未商用，但世界各地的許多研究團隊已經(jīng)在研究開發(fā)此類測試以在資源有限的環(huán)境中使用。

Elina說：“我們已經(jīng)確定了一組功能，可以替代僅在設(shè)備齊全的醫(yī)院中提供的X射線和血液培養(yǎng)相結(jié)合的功能。這些功能將用于與一套低成本產(chǎn)品鏈接的移動應(yīng)用程序中診斷設(shè)備，我們將在未來幾年試用該設(shè)備?！?br /> ? ? ?