梅奥诊所（Mayo Clinic）的研究人员团队开发了一种人工智能（AI）系统，能够通过患者提交的术后伤口照片高精度地检测手术部位感染（SSIs），这可能彻底改变术后护理的交付方式。
这项研究发表在《外科年鉴》（Annals of Surgery）上，介绍了一种由研究人员创建的基于AI的工作流程，可以自动识别手术切口、评估图像质量，并标记患者通过在线门户提交的照片中的感染迹象。该系统使用了来自九家梅奥诊所医院超过6000名患者的20000多张图像进行训练。
“我们受到日益增长的对外科切口进行及时门诊监测需求的驱动，”梅奥诊所肝胆胰腺外科肿瘤学家、本研究的共同资深作者Cornelius Thiels博士表示，“这一过程目前由临床医生完成，非常耗时且可能延误护理。我们的AI模型可以帮助自动分类这些图像，改进早期检测并简化患者与其护理团队之间的沟通。”
该AI系统采用两阶段模型。首先，它检测图像中是否包含手术切口，然后评估该切口是否有感染迹象。该模型Vision Transformer在检测切口方面达到了94%的准确率，在识别感染方面达到了81%的曲线下面积（AUC）。
“这项工作为AI辅助的术后伤口护理奠定了基础，可以改变术后患者的监测方式，”梅奥诊所肝胰胆道研究员、本文第一作者Hala Muaddi博士表示，“随着门诊手术和虚拟随访变得越来越普遍，这一点尤为重要。”
研究人员希望这项技术可以帮助患者更快获得回应，减少诊断感染的延迟，并支持那些在家术后恢复的患者获得更好的护理。经过进一步验证，它可以作为前线筛查工具，提醒临床医生注意令人担忧的切口。此外，这种AI工具还为开发能够检测微妙感染迹象的算法铺平了道路，甚至可能在这些迹象对护理团队变得肉眼可见之前就被发现。这将允许更早的治疗，降低发病率并减少成本。
“对于患者来说，这意味着更快的安心或更早发现问题，”Muaddi博士说，“对于临床医生来说，它提供了一种优先关注最需要病例的方式，特别是在农村或资源有限的环境中。”
重要的是，该模型在不同群体中表现出一致的性能，解决了关于算法偏差的担忧。
尽管结果令人鼓舞，但研究团队表示仍需进一步验证。
“我们希望开发的AI模型——以及它们所训练的大规模数据集——有潜力从根本上重塑外科随访的交付方式，”Kern医疗保健科学中心高级助理顾问、本研究的共同资深作者Hojjat Salehinejad博士表示，“目前正在开展前瞻性研究，以评估该工具如何融入日常外科护理。”
这项研究得到了Dalio Philanthropies人工智能/机器学习赋能奖和Simons家族外科创新职业发展奖的支持。
(全文结束)
