《醫療AI》40萬樣本: 機器學習AI在識別哮喘與慢性阻塞性肺病 (COPD) 上的表現優於醫生
今年初，一項發表在《Journal of Allergy and Clinical Immunology.》上的多國觀察性研究的結果證明，一種以機器學習為基礎的「哮喘/慢性阻塞性肺病鑒別分類工具」[Asthma/Chronic Obstructive Pulmonary Disease Differentiation Classification (AC/DC) Tool]，能夠比家醫科醫師和肺科醫師更準確地區分出 35 歲以上的哮喘或 COPD 患者。
哮喘和 COPD 都是慢性呼吸道疾病，誤診常會導致治療不當、提高死亡風險。然而，兩者具有部分相同的症狀和診斷標準，這為家醫科醫師和肺科醫師的診斷帶來不小挑戰。該研究中，科學家評估 AC/DC 工具這一機器學習工具，在診斷哮喘、COPD 和同時罹患哮喘與 COPD (ACO) 患者的準確性。
此項 AC/DC 診斷工具是使用來自超過 400,000 名 35 歲 (及以上) 患者的電子健康記錄中的 12 個參數所開發 (參數包括了：FEV1、FEV1/FVC、吸菸量、呼吸系統疾病發病時的年齡、身體質量指數、呼吸困難、喘息、咳嗽、診斷為過敏性鼻炎、目前吸煙者、從不吸煙、診斷為慢性鼻炎)。由來自 5 個國家的 3 名肺科醫師和 4 名全科醫師組成的專家小組，評估了一項前瞻性觀察研究中的 119 例患者病例，並診斷出哮喘 (53 人)、COPD (43 人)、ACO (7 人)，或其他 (13 人)；然後，另外一組來自於 9 個國家的 180 名家醫科醫師和 180 名肺科醫師，透過 AC/DC 工具對病例進行審查，並將診斷結果與專家小組的診斷進行比較。
結果顯示，AC/DC 工具的平均診斷準確性優於家醫科醫師，且與肺科醫師相當、甚至更好。此外，與專家小組的診斷相比，平均診斷準確率分別為 AC/DC 工具 73%、家醫科醫師 50% 和肺科醫生 61%。
但該研究仍有其侷限性，包括研究對象都在 35 歲以上的患者，故 AC/DC 工具還不適用於年輕患者等等。此外，研究人員還強調，AC/DC 工具本身並不是為患者提供診斷，而是應該與肺活量測定一起使用，以幫助醫師鑑別哮喘、COPD 和 ACO。
資料來源：AJMC、Journal of Allergy and Clinical Immunology. (doi:10.1016/j.chest.2023.02.045)
