脑膜炎智能辅助诊断系统的建立与初步评价

发布时间：2020-03-24 06:43

【摘要】：脑膜炎(meningitis)主要表现为头痛、发热、颈项强直、呕吐和癫痫发作等症状,是临床常见病及多发病,具有较高的致残率和致死率[1,2]。早期明确诊断和及时治疗是降低脑膜炎病死率,减少患者神经系统后遗症最重要的手段[3]。临床常见的脑膜炎有结核性脑膜炎(Tuberculous meningitis,TBM)、细菌性脑膜炎(Bacterial meningitis,BM)、隐球菌性脑膜炎(Cryptococcal meningitis,CM)、病毒性脑膜炎(Viral meningitis,VM)、自身免疫性脑炎和寄生虫脑膜炎等[4]。以上各类脑膜炎患者的早期临床表现不典型,实验室检查缺乏特异性,脑脊液病原学检测阳性率低[5,6]。因此,临床医生难以早期明确脑膜炎病因,容易造成误诊、漏诊、延误治疗,影响患者的预后。近年来,随着人工智能技术在医疗领域的快速发展,“人工智能+医疗”模式被越来越多的应用于临床诊断及治疗中,为解决脑膜炎诊断问题提供了新的方向。但国内外尚未出现应用于脑膜炎的人工智能系统。目的通过构建脑膜炎专家系统和机器学习算法,建立脑膜炎智能辅助诊断系统,并对系统做初步验证。此外,还通过该系统收集大量脑膜炎患者的临床资料,为深度学习及大数据分析提供临床依据。方法收集临床确诊的脑膜炎患者资料。其中449例临床资料用于专家系统的优化调试、机器学习以及系统的初步临床验证,38例前瞻性病例资料用于系统算法的进一步临床验证,从上述资料中抽取10例用于脑膜炎病因分型人机比赛,验证系统的临床诊断效能。按照脑膜炎临床诊断流程,设计脑膜炎智能辅助诊断系统界面。结合脑膜炎相关文献、教科书籍、专家知识、国内外脑膜炎诊断指南等构建脑膜炎知识库,设计诊断规则,从而初步建立脑膜炎专家系统。与此同时,将病例资料用于机器学习,筛选识别脑膜炎最优的机器学习方法。将机器学习算法和专家系统相结合,构建完善的脑膜炎智能辅助诊断系统,并布署于网络平台。最后,分析比较机器学习、专家系统和临床医生诊断的符合率。举办脑膜炎病因分型人机比赛,对系统的诊断效力进行临床验证。结果1.临床医生初诊情况在回顾性纳入的449例脑膜炎患者中,临床医生初诊结果如下:127例TBM患者中,除外入院前确诊的1例,余126例初步诊断正确15例,正确率为11.9%;140例BM中,除外入院前确诊的8例,余132例初步诊断正确72例,正确率为54.5%;61例CM中,除外入院前确诊的18例,余43例初步诊断正确4例,正确率为9.3%;121例VM中,初步诊断正确60例,正确率为49.6%。临床医生初诊总正确率为35.8%。2.脑膜炎智能辅助诊断系统建立了脑膜炎智能辅助诊断系统,本系统包含两套诊断模型:一个是基于知识的医学专家系统,一个是基于机器学习算法的智能系统。其中专家系统,基本涵盖了临床常见的所有脑膜炎,包括VM、TBM、BM、CM、自身免疫性脑膜炎、脑寄生虫感染性疾病、癌性脑膜炎,并设定特殊标签诊断特定的脑膜炎。而机器学习算法因为学习数据有限,目前只能识别TBM、BM、CM和VM这四种脑膜炎。目前该系统已布署于网络,可通过手机下载APP使用。3.专家系统诊断符合率在449例脑膜炎患者中,诊断相符合288例,不符合161例,总符合率为64.1%。其中TBM符合率为40.9%,BM符合率为77.1%,CM符合率为42.6%,VM符合率为84.3%。4.机器学习结果最终我们选择了随机森林算法来识别脑膜炎,根据随机森林算法得出识别脑膜炎的15维参数按重要性排序分别是:血沉、发病时长、脑脊液白细胞总数、脑脊液淋巴细胞比例、年龄、脑脊液中性粒细胞比例、Ig A、脑脊液糖/血糖、Ig M、Ig G、脑脊液糖、腰穿压力、脑脊液蛋白、血糖、脑脊液单核细胞比例。通过十次十折交叉验证结果,得到随机森林15维的总识别率为81%,标准差为5.5%。对于TBM的识别率为75%,CM的识别率为68%,VM的识别率为90%,BM的识别率为85%。5.系统的临床验证通过比较专家系统、随机森林算法与临床医生初步诊断的符合率,我们可以得到在诊断脑膜炎疾病方面,随机森林算法最优,而临床医生初诊正确率最低。对结果进行前瞻性验证时,专家系统和机器学习算法的符合率均为78.9%,差异无统计学意义。其中两者对于CM诊断符合率较低。人机比赛结果显示:与38名参赛医生相比,系统以准确率为70%排名第一(医生的最高准确率为60%)。除此之外,系统的速度也快于人类医生,其平均每题用时60秒,而参赛医生平均每题用时150秒。因此,初步证明了系统在诊断准确性及速度方面都优于临床医生。结论脑膜炎智能辅助诊断系统的设计以临床相关指南、规范、共识为依据,内含两套诊断模型——专家系统和机器学习,能够实际应用于临床,解决脑膜炎诊断困难的问题。本系统在手机端上线以后,将为临床青年医生及基层医生提供临床决策支持,辅助临床医生更科学、合理的做出脑膜炎的临床决策。此外,系统还有利于医生规范问诊流程,学习新的诊疗方案;也有利于收集大量的脑膜炎病历资料,为深度学习及大数据分析提供依据。同时,本研究也开创了人工智能+脑膜炎的先河,为医疗决策的发展提供了新的思路。
【图文】：

脑膜炎,患者,比率,统计学意义

图 3 四组脑膜炎患者就诊前症状持续时间的比较3）四组脑膜炎患者临床症状和体征的比较四组脑膜炎患者的症状和体征比较如表 2 所示。其中 TBM 组局灶性神经功能缺损、盗汗及认知功能障碍比率较其他三组高。BM 组头痛、发热、呕吐及脑膜刺激征比率较其他三组高，CM 组易激惹、癫痫发作、视乳头水肿及颅神经麻痹比率较其他三组高。VM 组咳嗽、皮疹的比率较其他三组高。以上差异在总体间来说有统计学意义。4）四组脑膜炎患者实验室检查比较四组脑膜炎患者中，VM 组脑脊液清亮比例最高，共 119 例（98.3%），其次为 CM 组 56 例（91.8%）、TBM 组 97 例（76.4%）、BM 组比例最低，共 47 例（33.6%），以上差异具有统计学意义。余脑脊液检查结果比较如表 3 所示。

脑膜炎,头颅,专家系统,符合率

图 4 四组脑膜炎头颅影像学结果比较3.3.3 脑膜炎专家系统诊断符合率将回顾性收集的449 例临床确诊脑膜炎的临床数据（除外病原学资料）输入脑膜专家系统诊断模型中，以临床确诊诊断为金标准，计算脑膜炎专家系统符合率（表4表 4 脑膜炎专家系统诊断符合率分组专家系统诊断情况符合不符合符合率（%）结核性脑膜炎 52 75 40.9%细菌性脑膜炎 108 32 77.1%隐球菌脑膜炎 26 35 42.6%病毒性脑膜炎 102 19 84.3%总体 288 161 64.1%在 449 例脑膜炎患者中，诊断相符合 288 例，，不符合 161 例，总符合率为 64.1
【学位授予单位】：中国人民解放军空军军医大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R742.9;TP18

【参考文献】