Eine neue Handy-App, die von Medizinern und Wissenschaftlern am UPMC und der University of Pittsburgh entwickelt wurde und künstliche Intelligenz (KI) nutzt, um Ohrenentzündungen oder akute Mittelohrentzündungen (AOM) genau zu diagnostizieren, könnte laut Angaben dazu beitragen, den unnötigen Einsatz von Antibiotika bei kleinen Kindern zu reduzieren Neue Forschungsergebnisse wurden heute veröffentlicht in JAMA Pädiatrie.
AOM ist eine der häufigsten Infektionen im Kindesalter, für die Antibiotika verschrieben werden. Ohne intensives Training kann es jedoch schwierig sein, sie von anderen Ohrenerkrankungen zu unterscheiden. Das neue KI-Tool, das eine Diagnose erstellt, indem es ein kurzes Video des Trommelfells auswertet, das von einem mit einer Mobiltelefonkamera verbundenen Otoskop aufgenommen wurde, bietet eine einfache und effektive Lösung, die möglicherweise genauer ist als geschulte Ärzte.
Eine akute Mittelohrentzündung wird oft falsch diagnostiziert. Eine Unterdiagnose führt zu einer unzureichenden Versorgung und eine Überdiagnose führt zu einer unnötigen Antibiotikabehandlung, die die Wirksamkeit der derzeit verfügbaren Antibiotika beeinträchtigen kann. Unser Tool hilft dabei, die richtige Diagnose zu stellen und die richtige Behandlung einzuleiten.“
Alejandro Hoberman, MD, leitender Autor, Professor für Pädiatrie und Direktor der Abteilung für allgemeine akademische Pädiatrie an der Pitt's School of Medicine und Präsident von UPMC Children's Community Pediatrics
Laut Hoberman erkranken etwa 70 % der Kinder vor ihrem ersten Geburtstag an einer Ohrenentzündung. Obwohl dieser Zustand häufig vorkommt, erfordert eine genaue Diagnose von AOM ein geschultes Auge, um subtile visuelle Befunde zu erkennen, die sich aus einem kurzen Blick auf das Trommelfell eines zappelnden Babys ergeben. AOM wird oft mit einer Mittelohrentzündung mit Erguss oder Flüssigkeit hinter dem Ohr verwechselt, einer Erkrankung, an der im Allgemeinen keine Bakterien beteiligt sind und die nicht von einer antimikrobiellen Behandlung profitiert.
Um ein praktisches Tool zur Verbesserung der Genauigkeit bei der Diagnose von AOM zu entwickeln, haben Hoberman und sein Team zunächst eine Schulungsbibliothek mit 1.151 Videos des Trommelfells von 635 Kindern erstellt und kommentiert, die zwischen 2018 und 2023 ambulante UPMC-Kinderarztpraxen besucht haben. Zwei ausgebildete Experten mit umfangreicher Erfahrung in der AOM-Forschung überprüfte die Videos und stellte eine Diagnose: AOM oder nicht AOM.
„Das Trommelfell oder Trommelfell ist ein dünnes, flaches Gewebestück, das sich über den Gehörgang erstreckt“, sagte Hoberman. „Bei AOM wölbt sich das Trommelfell wie ein Bagel und hinterlässt in der Mitte eine Vertiefung, die einem Bagelloch ähnelt. Im Gegensatz dazu ist bei Kindern mit Mittelohrentzündung mit Erguss keine Vorwölbung des Trommelfells vorhanden.“
Die Forscher nutzten 921 Videos aus der Schulungsbibliothek, um zwei verschiedenen KI-Modellen beizubringen, AOM zu erkennen, indem sie Merkmale des Trommelfells, einschließlich Form, Position, Farbe und Durchsichtigkeit, betrachten. Anschließend nutzten sie die verbleibenden 230 Videos, um die Leistung der Modelle zu testen.
Beide Modelle waren sehr genau und lieferten Sensitivitäts- und Spezifitätswerte von mehr als 93 %, was bedeutet, dass sie nur geringe Raten an falsch-negativen und falsch-positiven Ergebnissen aufwiesen. Laut Hoberman haben frühere Studien mit Ärzten eine diagnostische Genauigkeit von AOM zwischen 30 % und 84 % berichtet, abhängig von der Art des Gesundheitsdienstleisters, dem Ausbildungsniveau und dem Alter der untersuchten Kinder.
„Diese Ergebnisse legen nahe, dass unser Tool genauer ist als das vieler Kliniker“, sagte Hoberman. „Es könnte ein Wendepunkt in der primären Gesundheitsversorgung sein, wenn es Ärzte dabei unterstützt, AOM strikt zu diagnostizieren und Behandlungsentscheidungen zu treffen.“
„Ein weiterer Vorteil unseres Tools besteht darin, dass die von uns aufgenommenen Videos in der Krankenakte eines Patienten gespeichert und mit anderen Anbietern geteilt werden können“, sagte Hoberman. „Wir können auch Eltern und Auszubildenden – Medizinstudenten und Assistenzärzten – zeigen, was wir sehen, und erklären, warum wir eine Ohrenentzündung diagnostizieren oder nicht. Es ist wichtig als Lehrmittel und um Eltern zu beruhigen, dass ihr Kind etwas bekommt.“ angemessene Behandlung.“
Hoberman hofft, dass ihre Technologie bald flächendeckend in den Praxen von Gesundheitsdienstleistern eingesetzt werden kann, um die genaue Diagnose von AOM zu verbessern und Behandlungsentscheidungen zu unterstützen.
Weitere Autoren der Studie waren Nader Shaikh, MD, Shannon Conway, Timothy Shope, MD, Mary Ann Haralam, CRNP, Catherine Campese, CRNP und Matthew Lee, alle von UPMC und der University of Pittsburgh; Jelena Kovačević, Ph.D., von der New York University; Filipe Condessa, Ph.D., vom Bosch Center for Artificial Intelligence; und Tomas Larsson, M.Sc, und Zafer Cavdar, beide von Dcipher Analytics.
Diese Forschung wurde von der Abteilung für Pädiatrie der University of Pittsburgh School of Medicine unterstützt.
Quelle:
Zeitschriftenreferenz:
Shaikh, N., et al. (2024). Entwicklung und Validierung eines automatisierten Klassifikators zur Diagnose einer akuten Mittelohrentzündung bei Kindern. JAMA Pädiatrie. doi.org/10.1001/jamapediatrics.2024.0011.