机器学习可用于诊断儿童肺炎感染的更简单方法_风闻

​　　牛津大学的研究人员正在开发一种工具，使人们更容易，更便宜地诊断肺炎(5岁以下儿童的头号杀手)。他们的最新研究发表在皇家学会接口期刊上。当前，正确诊断肺炎并了解其严重程度需要专业医生和昂贵的设备，例如X射线机。发展中国家的社区卫生工作者都无法使用这两种方法，在发展中国家，每年110万儿童肺炎死亡的99%发生在这里。

　　牛津大学生物医学工程研究所的艾琳娜·内德诺娃(Elina Naydenova)解释说：“离医院最近的工作时间，通才的卫生工作者依赖一套被称为IMCI的指南。这些指南有时可以很好地识别肺炎病例，但不能很好地筛查病例在不同的情况下，使用者之间也存在很大的差异。在没有临床专家做出结论性诊断的环境中，不必要的抗生素处方数量增加了，从而耗尽了重要的药物供应并增加了抗生素耐药性感染问题。我们希望应用智能工程技术来开发强大的自动化系统，该系统始终更加准确。”

　　准确的诊断可以将死亡率降低42%，但不仅能正确识别儿童是否患有肺炎。卫生工作者还需要判断感染的严重程度，以确定孩子是否需要转诊至医院，以及感染是细菌感染还是病毒感染，以确定抗生素是否会产生影响。但是，他们只需要能够使用一套基本的便携式设备来完成所有这些工作。

　　为了使自动化系统有效，它必须能够使用该基本设备的数据，因此牛津团队从冈比亚的一项临床研究中获取了深入的数据，并使用机器学习技术来查看它们是否可以开发出一种可以诊断出肺炎的算法。

　　Elina说：“为鉴定肺炎，我们发现可以用两台设备进行测量的四个特征。心率，呼吸频率和血氧饱和度都可以使用脉搏血氧仪进行测量。温度需要温度计。这些都是可以制造的。提供给接受基础培训的卫生工作者。“与IMCI相比，使用这四项措施，我们达到了98.2%的敏感性和97.5%的特异性(即，他们可以正确地识别出每1000例肺炎病例中的982例，而错误地识别出每1000例无此病的人中25例的肺炎]最好的性能是94%的灵敏度和69%的特异性。”

　　通过使用听诊器对两种肺音进行评估，该团队能够以72.4%的敏感性和82.2%的特异性(IMCI分别达到79.3%和67.7%)确定感染的严重程度。尽管该团队指出，添加生物标志物C反应蛋白(CRP)的测试可提供89.1%的灵敏度和81.3%的特异性，但该团队指出这将涉及额外的费用。

　　最后，通过使用名为Lipocalin-2的生物标记物同时评估心脏和呼吸频率以及血氧饱和度，该团队可以以81.8%的敏感性和90.6%的特异性鉴定肺炎是细菌性还是病毒性的。当使用IMCI时，它对严重的细菌感染具有100%的敏感性，但对特异性细菌的敏感度却为0%-所有严重的病毒病例也都应开具不会造成任何影响的抗生素。虽然这些生物标记物的低成本测试尚未商用，但世界各地的许多研究团队已经在研究开发此类测试以在资源有限的环境中使用。

　　Elina说：“我们已经确定了一组功能，可以替代仅在设备齐全的医院中提供的X射线和血液培养相结合的功能。这些功能将用于与一套低成本产品链接的移动应用程序中诊断设备，我们将在未来几年试用该设备