機器學習可用於診斷兒童肺炎感染的更簡單方法_風聞

​　　牛津大學的研究人員正在開發一種工具，使人們更容易，更便宜地診斷肺炎(5歲以下兒童的頭號殺手)。他們的最新研究發表在皇家學會接口期刊上。當前，正確診斷肺炎並瞭解其嚴重程度需要專業醫生和昂貴的設備，例如X射線機。發展中國家的社區衞生工作者都無法使用這兩種方法，在發展中國家，每年110萬兒童肺炎死亡的99%發生在這裏。

　　牛津大學生物醫學工程研究所的艾琳娜·內德諾娃(Elina Naydenova)解釋説：“離醫院最近的工作時間，通才的衞生工作者依賴一套被稱為IMCI的指南。這些指南有時可以很好地識別肺炎病例，但不能很好地篩查病例在不同的情況下，使用者之間也存在很大的差異。在沒有臨牀專家做出結論性診斷的環境中，不必要的抗生素處方數量增加了，從而耗盡了重要的藥物供應並增加了抗生素耐藥性感染問題。我們希望應用智能工程技術來開發強大的自動化系統，該系統始終更加準確。”

　　準確的診斷可以將死亡率降低42%，但不僅能正確識別兒童是否患有肺炎。衞生工作者還需要判斷感染的嚴重程度，以確定孩子是否需要轉診至醫院，以及感染是細菌感染還是病毒感染，以確定抗生素是否會產生影響。但是，他們只需要能夠使用一套基本的便攜式設備來完成所有這些工作。

　　為了使自動化系統有效，它必須能夠使用該基本設備的數據，因此牛津團隊從岡比亞的一項臨牀研究中獲取了深入的數據，並使用機器學習技術來查看它們是否可以開發出一種可以診斷出肺炎的算法。

　　Elina説：“為鑑定肺炎，我們發現可以用兩台設備進行測量的四個特徵。心率，呼吸頻率和血氧飽和度都可以使用脈搏血氧儀進行測量。温度需要温度計。這些都是可以製造的。提供給接受基礎培訓的衞生工作者。“與IMCI相比，使用這四項措施，我們達到了98.2%的敏感性和97.5%的特異性(即，他們可以正確地識別出每1000例肺炎病例中的982例，而錯誤地識別出每1000例無此病的人中25例的肺炎]最好的性能是94%的靈敏度和69%的特異性。”

　　通過使用聽診器對兩種肺音進行評估，該團隊能夠以72.4%的敏感性和82.2%的特異性(IMCI分別達到79.3%和67.7%)確定感染的嚴重程度。儘管該團隊指出，添加生物標誌物C反應蛋白(CRP)的測試可提供89.1%的靈敏度和81.3%的特異性，但該團隊指出這將涉及額外的費用。

　　最後，通過使用名為Lipocalin-2的生物標記物同時評估心臟和呼吸頻率以及血氧飽和度，該團隊可以以81.8%的敏感性和90.6%的特異性鑑定肺炎是細菌性還是病毒性的。當使用IMCI時，它對嚴重的細菌感染具有100%的敏感性，但對特異性細菌的敏感度卻為0%-所有嚴重的病毒病例也都應開具不會造成任何影響的抗生素。雖然這些生物標記物的低成本測試尚未商用，但世界各地的許多研究團隊已經在研究開發此類測試以在資源有限的環境中使用。

　　Elina説：“我們已經確定了一組功能，可以替代僅在設備齊全的醫院中提供的X射線和血液培養相結合的功能。這些功能將用於與一套低成本產品鏈接的移動應用程序中診斷設備，我們將在未來幾年試用該設備