小编发现不少朋友对于 AI减少了检测UTI的诊断工作量 这方面的信息都比较感兴趣，小编就针对 AI减少了检测UTI的诊断工作量 整理了一些相关方面的信息 在这里分享给大家。

尿路感染占诊断实验室微生物筛查的很大一部分，但近三分之二的样本呈阴性。但是根据BMC Medical Informatics and Decision Making中发表的调查结果，人工智能具有通过减少查询样本数量并使诊断服务专注于许多实际感染的服务来改善流程的潜力。

英国布里斯托尔卡迪夫大学的研究人员针对两种分类方法进行了回顾性分析，分析了一年中的所有尿液镜检，培养和敏感性报告，一种分类法是启发式模型，该方法结合了白细胞计数和细菌计数，以及一种具有三种算法的机器学习方法。总体而言，分析了212,000多个尿液报告。

“利用“大数据”技术的最新发展，我们的观察性研究[分析后]的数据代表了大型病理服务机构整整一年的尿液分析，涉及多家医院以及布里斯托尔/巴斯地区社区的样本处理在英国西南部，”第一作者罗斯·伯顿(Ross Burton)写道，他是加的夫大学医学院的博士学位。

机器学习算法的性能优于启发式模型，分类灵敏度为95%，同时实现了相对的工作量减少。

但是，进一步的分析发现，孕妇和儿童的样本需要进一步的独立评估。必须对三种算法进行独立训练，以对孕妇，儿童和其他患者进行分类。使用该组合系统，每个患者组的相对工作量减少了41%，敏感性为95%。

“这里提出的工作表明，有监督的机器学习模型在预测尿液样本是否可能需要细菌培养方面可以发挥重要作用，” Burton等人。总结。“当需求超过公共医疗保健提供者的资源时，这有可能提高服务效率。”