呼吸困難の鑑別診断のための動的不確定因果関係グラフに基づく人工知能診断モデルの開発

Development of an artificial intelligence diagnostic model based on dynamic uncertain causality graph for the differential diagnosis of dyspnea.

• Yang Jiao
• Zhan Zhang
• Ting Zhang
• Wen Shi
• Yan Zhu
• Jie Hu
• Qin Zhang

抄録

呼吸困難は、肺疾患、心筋機能障害、神経筋障害などの患者の最も一般的な症状の一つである。臨床現場、特に開業医にとっては、呼吸困難の原因を特定することが課題となっている。本パイロット研究は、鑑別診断の効率を向上させるためのコンピュータ支援ツールを開発することを目的とした。臨床経験と疫学的データに基づいて、呼吸困難を主訴とする疾患セットを設定した。鑑別診断のアプローチは臨床の専門家によって確立され、最適化された。人工知能（AI）診断モデルは、動的不確実因果関係グラフ知識ベースエディタを用いて構築した。疾患セットには28の疾患と症候群が含まれていた。モデルには、症状、徴候、血清学的・画像学的パラメータの132の変数が含まれていた。綏寧中央病院の電子病院記録から医療記録を無作為に抽出した。検証のために、呼吸困難を主訴とする退院患者202人が含まれ、そのうち195人の診断は正しいと認定された記録と一致していた。モデルの総合的な診断精度は96.5％であった。結論として、AIモデルの診断精度は有望であり、医療経験の限界を補う可能性がある。

Dyspnea is one of the most common manifestations of patients with pulmonary disease, myocardial dysfunction, and neuromuscular disorder, among other conditions. Identifying the causes of dyspnea in clinical practice, especially for the general practitioner, remains a challenge. This pilot study aimed to develop a computer-aided tool for improving the efficiency of differential diagnosis. The disease set with dyspnea as the chief complaint was established on the basis of clinical experience and epidemiological data. Differential diagnosis approaches were established and optimized by clinical experts. The artificial intelligence (AI) diagnosis model was constructed according to the dynamic uncertain causality graph knowledge-based editor. Twenty-eight diseases and syndromes were included in the disease set. The model contained 132 variables of symptoms, signs, and serological and imaging parameters. Medical records from the electronic hospital records of Suining Central Hospital were randomly selected. A total of 202 discharged patients with dyspnea as the chief complaint were included for verification, in which the diagnoses of 195 cases were coincident with the record certified as correct. The overall diagnostic accuracy rate of the model was 96.5%. In conclusion, the diagnostic accuracy of the AI model is promising and may compensate for the limitation of medical experience.