استفاده از هوش مصنوعی و تخصص پزشکی برای شناسایی عوامل پیش‌بینی‌کننده در تشخیص‌های شایع بیماران بزرگسال دچار تنگی نفس: یک مطالعه مقطعی از بیماران بخش اورژانس در جنوب سوئد

نارسایی قلب، تشدید بیماری مزمن انسدادی ریه و سینه‌پهلو از دلایل شایع ولی اغلب اشتباه‌ تشخیص‌ داد ه‌شدهٔ تنگی نفس در بخش اورژانس هستند. با استفاده از داده‌های ۱۰٬۸۶۹ مراجعه در منطقهٔ هالاند سوئد، یک الگوی رایانش هوشمند طراحی شد که از میان ۲۰۶۴ ویژگی، ۲۰ ویژگی کلیدی را برای تشخیص زودهنگام برگزید. دقت این الگو ۸۶٫۶ درصد بود. سن، نوار قلب و سوابق پزشکی نقش بیشتری در پیش‌بینی داشتند تا نشانه‌های حیاتی یا جنسیت. افزودن نظر پزشکان تأثیر چشمگیری در بهبود عملکرد مدل نداشت. این الگوی ساده می‌تواند ابزاری کارآمد برای یاری در تصمیم‌گیری پزشکی در بخش اورژانس باشد.

الن ت. هیمن، اوایس اشفق، اولف اکِلوند، ماتیاس اولسون، یوناس بیورک، الکساندر مارسل شوبرت، مارکوس لینگمان، اردوان م. خوشنود

۲۰۲۵

International Journal of Medical Informatics