200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
2025年9月27日至10月1日，2025年欧洲呼吸学会年会（ERS 2025）于荷兰阿姆斯特丹召开。ERS 2025以“全球呼吸健康（Respiratory health around the globe）”为会议主题，呼吸医学领域的专家与学者齐聚一堂，为广大呼吸学者带来一场精彩的学术盛宴！
2025年9月30日，一项题为“Multimodal deep learning in COPD diagnosis: a comprehensive evaluation of cough acoustics and clinical symptom integration”的研究入选最新突破摘要。
在全球范围内，由于肺功能检查（如肺活量测定法）的可及性有限，慢性阻塞性肺疾病（以下简称慢阻肺病）的诊断仍存在不足。现有的诊断工具，如问卷调查和手持肺功能仪，在敏感性、特异性和可及性方面均面临挑战。
人工智能（AI）通过对咳嗽声音的分析，为慢阻肺病的诊断提供了一种具有潜力的替代方案。本研究旨在验证一种多模态深度学习算法在慢阻肺病诊断中的有效性，该算法将结合主动咳嗽声音、人口统计学数据及临床症状进行综合分析。
本研究开发的算法基于一个包含626例慢阻肺病患者和3618例非慢阻肺病受试者的训练数据集，并在4家医院进行了外部验证，验证数据包括105例慢阻肺病患者和965例非慢阻肺病受试者。
该算法框架由三个核心部分构成：用于处理咳嗽声谱图的视觉模型、用于处理人口统计学数据及受试者自报症状的文本编码器，以及在模型训练过程中促进模态间交互的融合模块。研究将算法的输出结果与基于所有可用临床记录得出的临床诊断结果进行了对比分析。
该多模态学习算法的曲线下面积（AUROC）高达0.96，而仅基于咳嗽的单模态算法AUROC为0.93。此外，其阳性预测符合率（PPA）为89.5%，阴性预测符合率（NPA）为90.7%。
该算法在不同严重程度的慢阻肺病患者中均表现出稳定的性能：在重度至极重度患者中，PPA为91.3%；在中度患者中，PPA为88.1%。
亚组分析进一步证实，该算法在不同人口统计学特征和吸烟史的人群中，诊断性能均保持一致。
实验结果表明，该算法在慢阻肺病的诊断中表现出较高的准确性，为医疗资源有限的地区提供了一种可规模化且具有成本效益的慢阻肺病早期诊断解决方案。将该算法整合到临床实践中，有望减少慢阻肺病的漏诊问题，并显著提升疾病管理水平。
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017