摘要:目的在"人工智能+医疗"的视角下,建立基于人工智能技术的脑出血相关肺炎诊断模型。方法采用人工智能技术中的卷积神经网络方法来建立脑出血相关肺炎诊断预测模型,并与传统机器学习模型支持向量机的诊断预测效果比较。结果从2 303例患者中,随机选取1 727例患者作为训练集,576例患者作为测试集。根据每位患者的年龄、美国国立卫生院神经功能缺损评分(NIHSS)、白细胞计数和吞咽功能障碍等作为特征因子,运用人工智能技术中的卷积神经网络和支持向量机模型的诊断准确率分别为72.6%和69.1%,灵敏度分别为71.6%和69.2%;特异度分别为63.7%和62.8%,ROC曲线下的面积(AUC)分别为66.5%和62.7%。分析结果表明,卷积神经网络模型的诊断预测效果明显高于支持向量机模型(P0.05)。结论基于人工智能构建的脑出血相关肺炎智能化诊断预测模型,具有重要的诊断效果,为医院智能化和信息化辅助诊断决策提供了有效的科学依据。
