【摘要】：腦膜炎(meningitis)主要表現(xiàn)為頭痛、發(fā)熱、頸項強直、嘔吐和癲癇發(fā)作等癥狀,是臨床常見病及多發(fā)病,具有較高的致殘率和致死率[1,2]。早期明確診斷和及時治療是降低腦膜炎病死率,減少患者神經(jīng)系統(tǒng)后遺癥最重要的手段[3]。臨床常見的腦膜炎有結核性腦膜炎(Tuberculous meningitis,TBM)、細菌性腦膜炎(Bacterial meningitis,BM)、隱球菌性腦膜炎(Cryptococcal meningitis,CM)、病毒性腦膜炎(Viral meningitis,VM)、自身免疫性腦炎和寄生蟲腦膜炎等[4]。以上各類腦膜炎患者的早期臨床表現(xiàn)不典型,實驗室檢查缺乏特異性,腦脊液病原學檢測陽性率低[5,6]。因此,臨床醫(yī)生難以早期明確腦膜炎病因,容易造成誤診、漏診、延誤治療,影響患者的預后。近年來,隨著人工智能技術在醫(yī)療領域的快速發(fā)展,“人工智能+醫(yī)療”模式被越來越多的應用于臨床診斷及治療中,為解決腦膜炎診斷問題提供了新的方向。但國內(nèi)外尚未出現(xiàn)應用于腦膜炎的人工智能系統(tǒng)。目的通過構建腦膜炎專家系統(tǒng)和機器學習算法,建立腦膜炎智能輔助診斷系統(tǒng),并對系統(tǒng)做初步驗證。此外,還通過該系統(tǒng)收集大量腦膜炎患者的臨床資料,為深度學習及大數(shù)據(jù)分析提供臨床依據(jù)。方法收集臨床確診的腦膜炎患者資料。其中449例臨床資料用于專家系統(tǒng)的優(yōu)化調(diào)試、機器學習以及系統(tǒng)的初步臨床驗證,38例前瞻性病例資料用于系統(tǒng)算法的進一步臨床驗證,從上述資料中抽取10例用于腦膜炎病因分型人機比賽,驗證系統(tǒng)的臨床診斷效能。按照腦膜炎臨床診斷流程,設計腦膜炎智能輔助診斷系統(tǒng)界面。結合腦膜炎相關文獻、教科書籍、專家知識、國內(nèi)外腦膜炎診斷指南等構建腦膜炎知識庫,設計診斷規(guī)則,從而初步建立腦膜炎專家系統(tǒng)。與此同時,將病例資料用于機器學習,篩選識別腦膜炎最優(yōu)的機器學習方法。將機器學習算法和專家系統(tǒng)相結合,構建完善的腦膜炎智能輔助診斷系統(tǒng),并布署于網(wǎng)絡平臺。最后,分析比較機器學習、專家系統(tǒng)和臨床醫(yī)生診斷的符合率。舉辦腦膜炎病因分型人機比賽,對系統(tǒng)的診斷效力進行臨床驗證。結果1.臨床醫(yī)生初診情況在回顧性納入的449例腦膜炎患者中,臨床醫(yī)生初診結果如下:127例TBM患者中,除外入院前確診的1例,余126例初步診斷正確15例,正確率為11.9%;140例BM中,除外入院前確診的8例,余132例初步診斷正確72例,正確率為54.5%;61例CM中,除外入院前確診的18例,余43例初步診斷正確4例,正確率為9.3%;121例VM中,初步診斷正確60例,正確率為49.6%。臨床醫(yī)生初診總正確率為35.8%。2.腦膜炎智能輔助診斷系統(tǒng)建立了腦膜炎智能輔助診斷系統(tǒng),本系統(tǒng)包含兩套診斷模型:一個是基于知識的醫(yī)學專家系統(tǒng),一個是基于機器學習算法的智能系統(tǒng)。其中專家系統(tǒng),基本涵蓋了臨床常見的所有腦膜炎,包括VM、TBM、BM、CM、自身免疫性腦膜炎、腦寄生蟲感染性疾病、癌性腦膜炎,并設定特殊標簽診斷特定的腦膜炎。而機器學習算法因為學習數(shù)據(jù)有限,目前只能識別TBM、BM、CM和VM這四種腦膜炎。目前該系統(tǒng)已布署于網(wǎng)絡,可通過手機下載APP使用。3.專家系統(tǒng)診斷符合率在449例腦膜炎患者中,診斷相符合288例,不符合161例,總符合率為64.1%。其中TBM符合率為40.9%,BM符合率為77.1%,CM符合率為42.6%,VM符合率為84.3%。4.機器學習結果最終我們選擇了隨機森林算法來識別腦膜炎,根據(jù)隨機森林算法得出識別腦膜炎的15維參數(shù)按重要性排序分別是:血沉、發(fā)病時長、腦脊液白細胞總數(shù)、腦脊液淋巴細胞比例、年齡、腦脊液中性粒細胞比例、Ig A、腦脊液糖/血糖、Ig M、Ig G、腦脊液糖、腰穿壓力、腦脊液蛋白、血糖、腦脊液單核細胞比例。通過十次十折交叉驗證結果,得到隨機森林15維的總識別率為81%,標準差為5.5%。對于TBM的識別率為75%,CM的識別率為68%,VM的識別率為90%,BM的識別率為85%。5.系統(tǒng)的臨床驗證通過比較專家系統(tǒng)、隨機森林算法與臨床醫(yī)生初步診斷的符合率,我們可以得到在診斷腦膜炎疾病方面,隨機森林算法最優(yōu),而臨床醫(yī)生初診正確率最低。對結果進行前瞻性驗證時,專家系統(tǒng)和機器學習算法的符合率均為78.9%,差異無統(tǒng)計學意義。其中兩者對于CM診斷符合率較低。人機比賽結果顯示:與38名參賽醫(yī)生相比,系統(tǒng)以準確率為70%排名第一(醫(yī)生的最高準確率為60%)。除此之外,系統(tǒng)的速度也快于人類醫(yī)生,其平均每題用時60秒,而參賽醫(yī)生平均每題用時150秒。因此,初步證明了系統(tǒng)在診斷準確性及速度方面都優(yōu)于臨床醫(yī)生。結論腦膜炎智能輔助診斷系統(tǒng)的設計以臨床相關指南、規(guī)范、共識為依據(jù),內(nèi)含兩套診斷模型——專家系統(tǒng)和機器學習,能夠?qū)嶋H應用于臨床,解決腦膜炎診斷困難的問題。本系統(tǒng)在手機端上線以后,將為臨床青年醫(yī)生及基層醫(yī)生提供臨床決策支持,輔助臨床醫(yī)生更科學、合理的做出腦膜炎的臨床決策。此外,系統(tǒng)還有利于醫(yī)生規(guī)范問診流程,學習新的診療方案;也有利于收集大量的腦膜炎病歷資料,為深度學習及大數(shù)據(jù)分析提供依據(jù)。同時,本研究也開創(chuàng)了人工智能+腦膜炎的先河,為醫(yī)療決策的發(fā)展提供了新的思路。
【圖文】：

圖 3 四組腦膜炎患者就診前癥狀持續(xù)時間的比較3）四組腦膜炎患者臨床癥狀和體征的比較四組腦膜炎患者的癥狀和體征比較如表 2 所示。其中 TBM 組局灶性神經(jīng)功能缺損、盜汗及認知功能障礙比率較其他三組高。BM 組頭痛、發(fā)熱、嘔吐及腦膜刺激征比率較其他三組高，CM 組易激惹、癲癇發(fā)作、視乳頭水腫及顱神經(jīng)麻痹比率較其他三組高。VM 組咳嗽、皮疹的比率較其他三組高。以上差異在總體間來說有統(tǒng)計學意義。4）四組腦膜炎患者實驗室檢查比較四組腦膜炎患者中，VM 組腦脊液清亮比例最高，共 119 例（98.3%），其次為 CM 組 56 例（91.8%）、TBM 組 97 例（76.4%）、BM 組比例最低，共 47 例（33.6%），以上差異具有統(tǒng)計學意義。余腦脊液檢查結果比較如表 3 所示。

圖 4 四組腦膜炎頭顱影像學結果比較3.3.3 腦膜炎專家系統(tǒng)診斷符合率將回顧性收集的449 例臨床確診腦膜炎的臨床數(shù)據(jù)（除外病原學資料）輸入腦膜專家系統(tǒng)診斷模型中，以臨床確診診斷為金標準，計算腦膜炎專家系統(tǒng)符合率（表4表 4 腦膜炎專家系統(tǒng)診斷符合率分組專家系統(tǒng)診斷情況符合 不符合 符合率（%）結核性腦膜炎 52 75 40.9%細菌性腦膜炎 108 32 77.1%隱球菌腦膜炎 26 35 42.6%病毒性腦膜炎 102 19 84.3%總體 288 161 64.1%在 449 例腦膜炎患者中，診斷相符合 288 例，，不符合 161 例，總符合率為 64.1
【學位授予單位】：中國人民解放軍空軍軍醫(yī)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R742.9;TP18

【參考文獻】

相關期刊論文 前6條

1 杜敏;羅建偉;;基于大數(shù)據(jù)的醫(yī)院決策支持系統(tǒng)構建研究[J];中國數(shù)字醫(yī)學;2014年12期

2 王心濤;齊效君;方向明;俞云;俞惠新;包建東;;中樞神經(jīng)系統(tǒng)CT影像診斷專家系統(tǒng)的設計與實現(xiàn)[J];中國醫(yī)學創(chuàng)新;2014年34期

3 董師師;黃哲學;;隨機森林理論淺析[J];集成技術;2013年01期

4 劉光熠;趙迎賓;Johan Ellenius;Carolina Wannheden;;一種靈活的基于臨床指南的臨床決策支持系統(tǒng)[J];計算機應用與軟件;2011年06期

5 馬逸;陳斌;;專家系統(tǒng)在醫(yī)學上的研究現(xiàn)狀及進展[J];中國醫(yī)療設備;2008年06期

6 宗相卿;代林田;;微機應用關幼波肝病診療程序196例分析[J];遼寧中醫(yī)雜志;1992年06期

本文編號：2597961