XiaoMi-AI文件搜索系统
World File Search System耳镜
已发布版本的引用 (APA)：Mothershaw, A., Smith, A. C., Perry, C. F., Brown, C., & Caffery, L. J. (2021). 人工智能在澳大利亚土著儿童耳部疾病的远程医疗筛查中发挥作用吗？澳大利亚耳鼻喉科杂志，4，第 4451 条。https://doi.org/10.21037/ajo-21-14
筛查耳部疾病的远程医疗服务依赖于预先录制的视频耳镜图像，这些图像被传输用于远程诊断 (5)。人工智能 (AI) 算法有可能根据这些图像中包含的信息来预测耳部疾病。之前曾报道过类似的 AI 应用，用于成功检测耳部疾病 (6,7)。然而，AI 具有高度的环境特异性，迄今为止还没有研究专门针对土著儿童的耳部疾病筛查和诊断。因此，本研究的目的是建立概念验证，证明在针对土著儿童的远程医疗耳部筛查服务中使用 AI 检测耳部疾病的可行性和效果。我们根据 TREND 报告清单 (可在 https://dx.doi.org/10.21037/ajo-21-14 上获得) 提出以下文章。
常见真菌病原体相关危险因素评估
耳真菌病是世界热带和亚热带地区外耳道最常见的真菌病之一。许多环境和宿主因素都可能使人面临耳真菌病的风险。这项横断面研究是在获得机构人类伦理委员会 (IHEC) 批准后在南印度一家三级医院进行的，为期一年，因为近期关于我们所在地区临床真菌学特征及其与各种风险因素的关联的数据有限。90 份来自临床诊断为耳真菌病患者的耳拭子被从耳鼻喉 (ENT) 门诊送到实验室进行真菌学检查。他们的临床数据使用自填问卷进行评估。真菌学检查产生了 63 种真菌分离株，其中黑曲霉为主要生物，其次是其他真菌；常见的危险因素包括糖尿病（92%）、使用类固醇滴剂的 CSOM 患者（91.6%）、游泳（80%）、使用抗生素滴剂的 CSOM 患者（75%），上述危险因素与耳真菌病之间存在显著关联（p<0.05）。本研究强调，即使患者的耳镜检查结果和临床表现强烈表明有真菌感染，也必须正确识别病原体以防止并发症和复发。与其他浅表真菌感染相比，耳真菌病并不构成生命威胁。然而，及时进行微生物学鉴定对于及时有效的治疗至关重要，以避免耳真菌病引起的重大问题。
人工智能推动的中耳炎诊断进展：系统评价
摘要中耳炎 (OM) 主要影响儿童，是全球重大的健康问题，全球每年估计有 3.6 亿例儿童病例。OM 会导致轻度和中度传导性听力损失，这可能会使幼儿致残，特别是在大脑快速生长的前三年，导致言语和语言发育不良、沟通能力差以及入学时更加脆弱。因此，OM 增加了全球全因听力损失的负担。本系统评价旨在在 OM 背景下对预先训练的人工智能 (AI) 模型进行全面评估，包括经典机器学习 (ML) 和深度学习 (DL)。本评价提出了六个研究问题，并总结了多个领域的研究主体，包括用于训练和测试模型的源材料的多样性和数量，包括耳镜图像、视频和鼓室测量，以及用于评估实时环境中质量和有效性的方法。此外，本综述旨在深入了解人工智能在改善中耳炎诊断方面的影响和潜力，并阐明现有的挑战，例如模型的可解释性、有限的医学专家参与以及知识发现和未解答问题的需要，包括该领域中耳炎诊断的不断发展。本系统综述的结果强调了开发更具可解释性的人工智能模型的重要性，这些模型结合了鼓膜的静态图像和视频记录（具有多帧），以最大限度地提高模型的灵敏度和特异性。此外，需要与消费者和多个专业的医疗专业人员（全科医生、儿科医生、听力学家和耳鼻喉 (ENT) 外科医生）合作，以确保这些诊断数字支持系统在现实世界的医疗保健环境中的适用性和可信度。