Algoritmo de inteligencia artificial para la asistencia de diagnóstico en tiempo real en dolor orofacial
Métodos
La revisión retrospectiva y el análisis del conjunto de datos han sido aprobados por la Junta de Revisión Institucional de la Universidad de la Universidad de California Park (UP-07-00416).
Comparación de métodos ML
En la Tabla 1, comparamos los métodos de 5 ml con NBI de acuerdo con la F1 puntaje para cada uno de los 10 diagnósticos objetivo. NBI fue tan bueno o mejor que cualquiera de los métodos ML para cada diagnóstico. Los medios en todos los diagnósticos indicaron que NBI proporcionó que tanto el retiro superior como el rendimiento superior del NBI fueron consistentemente altos y los métodos ML fallaron completamente en diferentes diagnósticos con un número de casos grandes y pequeños en el conjunto de entrenamiento. Para diagnósticos con menos de 30 muestras (disco
Discusión
Los métodos que utilizamos en nuestro estudio ofrecen algunas ventajas que abordan directamente las necesidades clínicas. El modelado de inferencia bayesiana tiene un rendimiento excelente con pequeños tamaños de muestra, especialmente cuando se puede incorporar el conocimiento previo.23 Los métodos bayesianos claramente permiten la incorporación de este conocimiento a través de antecedentes informativos.24 La inferencia bayesiana naturalmente proporciona distribuciones de probabilidad sobre posibles resultados, lo que es útil para asignar confianza a los diagnósticos médicos.25 Finalmente, bayesiano
Conclusiones
El problema del diagnóstico erróneo exige nuevos métodos de recopilación y análisis de datos que estén disponibles durante los encuentros clínicos. Implementamos un SmartNote habilitado para bayesiano que proporciona una lista continuamente actualizada y priorizada de diagnósticos más probables. Implementamos este sistema con una base de datos de inicio de 1,020 casos y validamos sus predicciones para 50 casos de prueba nuevas que representan 10 diagnósticos comunes en la base de datos. Los diagnósticos generados por el algoritmo tenían una concordancia razonable y un
Divulgación
Ninguno de los autores reportó divulgaciones.
La Dra. Clark es profesora de odontología, director del Centro de Dolor y Medicina Oral Orofacial, y decano asociado de educación a distancia, Herman Ostrow School of Dentistry, Universidad del Sur de California, Los Ángeles, CA.
Traducido automáticamenteTruncado a 10000 caracteres