Ключевые моменты
Вопрос исследования: Можно ли обучить модель искусственного интеллекта (ИИ) интерпретировать обычные клинические электроэнцефалограммы (ЭЭГ) с точностью, эквивалентной точности экспертов-людей?
Результаты: В этом диагностическом исследовании модель искусственного интеллекта (SCORE-AI) была обучена на 30 493 ЭЭГ, чтобы отделить нормальные записи от аномальных и классифицировать аномальные записи как эпилептиформно-очаговые, эпилептиформно-генерализованные, неэпилептиформно-очаговые или неэпилептиформно-диффузные. SCORE-AI был проверен с помощью 3 независимых тестовых наборов данных, состоящих из 9945 ЭЭГ, не использованных для обучения; SCORE-AI достиг диагностической точности, сходной с человеческими экспертами.
Значение: Результаты данного исследования показывают, что применение SCORE-AI может быть полезным для улучшения обслуживания пациентов в малообеспеченных районах, а также для повышения эффективности и последовательности в специализированных центрах.
Результаты: В этом диагностическом исследовании модель искусственного интеллекта (SCORE-AI) была обучена на 30 493 ЭЭГ, чтобы отделить нормальные записи от аномальных и классифицировать аномальные записи как эпилептиформно-очаговые, эпилептиформно-генерализованные, неэпилептиформно-очаговые или неэпилептиформно-диффузные. SCORE-AI был проверен с помощью 3 независимых тестовых наборов данных, состоящих из 9945 ЭЭГ, не использованных для обучения; SCORE-AI достиг диагностической точности, сходной с человеческими экспертами.
Значение: Результаты данного исследования показывают, что применение SCORE-AI может быть полезным для улучшения обслуживания пациентов в малообеспеченных районах, а также для повышения эффективности и последовательности в специализированных центрах.
Аннотация
Важность: Электроэнцефалограммы (ЭЭГ) являются фундаментальной оценкой в неврологии, но требуют специальных знаний, недоступных во многих регионах мира. Искусственный интеллект (ИИ) имеет потенциал для решения этих неудовлетворенных потребностей. Предыдущие модели ИИ затрагивают лишь ограниченные аспекты интерпретации ЭЭГ, такие как отличие аномальной активности от нормальной или выявление эпилептиформной активности. Необходима комплексная, полностью автоматизированная интерпретация рутинной ЭЭГ на основе ИИ, пригодная для клинической практики.
Цель: Разработать и проверить модель ИИ (стандартизированный компьютерный организованный отчет ЭЭГ - искусственный интеллект [SCORE-AI]), способную отличать аномальные записи ЭЭГ от нормальных и классифицировать аномальные записи ЭЭГ по категориям, значимым для принятия клинических решений: эпилептиформно-очаговая, эпилептиформно-генерализованная, неэпилептиформно-очаговая и неэпилептиформно-диффузная.
Дизайн, обстановка и участники: В исследовании точности диагностики была разработана и проверена модель конволюционной нейронной сети SCORE-AI с использованием ЭЭГ, записанных в период с 2014 по 2020 год. Данные анализировались с 17 января 2022 года по 14 ноября 2022 года. Всего в набор данных для разработки было включено 30 493 записи пациентов, направленных на ЭЭГ, аннотированных 17 экспертами. К участию допускались пациенты в возрасте более 3 месяцев и не находящиеся в критическом состоянии. SCORE-AI был проверен с использованием трех независимых тестовых наборов данных: многоцентрового набора данных из 100 репрезентативных ЭЭГ, оцененных 11 экспертами, одноцентрового набора данных из 9785 ЭЭГ, оцененных 14 экспертами, и для сравнения с ранее опубликованными моделями ИИ, набора данных из 60 ЭЭГ с внешним эталоном. Ни один пациент, отвечающий критериям приемлемости, не был исключен.
Основные результаты и показатели: Диагностическая точность, чувствительность и специфичность по сравнению с экспертами и внешним эталоном привычных клинических эпизодов пациентов, полученных при видео-ЭЭГ-записи.
Результаты: Характеристики наборов данных ЭЭГ включают набор данных разработки (N = 30 493; 14 980 мужчин; средний возраст 25,3 года [95% ДИ, 1,3-76,2 года]), набор данных многоцентрового тестирования (N = 100; 61 мужчина, средний возраст 25,8 года [95% ДИ, 4. 1-85,5 лет]), набор тестовых данных одного центра (N = 9785; 5168 мужчин; средний возраст 35,4 года [95% ДИ, 0,6-87,4 лет]) и набор тестовых данных с внешним эталоном (N = 60; 27 мужчин; средний возраст 36 лет [95% ДИ, 3-75 лет]). SCORE-AI достиг высокой точности, площадь под кривой операционной характеристики приемника составила от 0,89 до 0,96 для различных категорий аномалий ЭЭГ, а производительность была схожа с человеческими экспертами. Сравнение с 3 ранее опубликованными моделями ИИ было ограничено сравнением обнаружения эпилептиформных аномалий. Точность SCORE-AI (88,3%; 95% ДИ, 79,2%-94,9%) была значительно выше, чем у трех ранее опубликованных моделей (P < .001) и сходна с человеческими экспертами.
Выводы и актуальность: В этом исследовании SCORE-AI достиг уровня человеческого эксперта при полностью автоматизированной интерпретации обычных ЭЭГ. Применение SCORE-AI может улучшить диагностику и уход за пациентами в малообеспеченных районах, а также повысить эффективность и согласованность в специализированных центрах эпилепсии.
Цель: Разработать и проверить модель ИИ (стандартизированный компьютерный организованный отчет ЭЭГ - искусственный интеллект [SCORE-AI]), способную отличать аномальные записи ЭЭГ от нормальных и классифицировать аномальные записи ЭЭГ по категориям, значимым для принятия клинических решений: эпилептиформно-очаговая, эпилептиформно-генерализованная, неэпилептиформно-очаговая и неэпилептиформно-диффузная.
Дизайн, обстановка и участники: В исследовании точности диагностики была разработана и проверена модель конволюционной нейронной сети SCORE-AI с использованием ЭЭГ, записанных в период с 2014 по 2020 год. Данные анализировались с 17 января 2022 года по 14 ноября 2022 года. Всего в набор данных для разработки было включено 30 493 записи пациентов, направленных на ЭЭГ, аннотированных 17 экспертами. К участию допускались пациенты в возрасте более 3 месяцев и не находящиеся в критическом состоянии. SCORE-AI был проверен с использованием трех независимых тестовых наборов данных: многоцентрового набора данных из 100 репрезентативных ЭЭГ, оцененных 11 экспертами, одноцентрового набора данных из 9785 ЭЭГ, оцененных 14 экспертами, и для сравнения с ранее опубликованными моделями ИИ, набора данных из 60 ЭЭГ с внешним эталоном. Ни один пациент, отвечающий критериям приемлемости, не был исключен.
Основные результаты и показатели: Диагностическая точность, чувствительность и специфичность по сравнению с экспертами и внешним эталоном привычных клинических эпизодов пациентов, полученных при видео-ЭЭГ-записи.
Результаты: Характеристики наборов данных ЭЭГ включают набор данных разработки (N = 30 493; 14 980 мужчин; средний возраст 25,3 года [95% ДИ, 1,3-76,2 года]), набор данных многоцентрового тестирования (N = 100; 61 мужчина, средний возраст 25,8 года [95% ДИ, 4. 1-85,5 лет]), набор тестовых данных одного центра (N = 9785; 5168 мужчин; средний возраст 35,4 года [95% ДИ, 0,6-87,4 лет]) и набор тестовых данных с внешним эталоном (N = 60; 27 мужчин; средний возраст 36 лет [95% ДИ, 3-75 лет]). SCORE-AI достиг высокой точности, площадь под кривой операционной характеристики приемника составила от 0,89 до 0,96 для различных категорий аномалий ЭЭГ, а производительность была схожа с человеческими экспертами. Сравнение с 3 ранее опубликованными моделями ИИ было ограничено сравнением обнаружения эпилептиформных аномалий. Точность SCORE-AI (88,3%; 95% ДИ, 79,2%-94,9%) была значительно выше, чем у трех ранее опубликованных моделей (P < .001) и сходна с человеческими экспертами.
Выводы и актуальность: В этом исследовании SCORE-AI достиг уровня человеческого эксперта при полностью автоматизированной интерпретации обычных ЭЭГ. Применение SCORE-AI может улучшить диагностику и уход за пациентами в малообеспеченных районах, а также повысить эффективность и согласованность в специализированных центрах эпилепсии.
Подробнее в статье: https://jamanetwork.com/journals/jamaneurology/fullarticle/2806244
