胸部X线片人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎

目的 观察基于胸部X线片建立的人工智能联邦学习系统用于病原学诊断儿童社区获得性肺炎（CAP）的价值。方法 回顾性选取2所医院共900例CAP患儿,包括细菌性、病毒性及支原体CAP各300例,对每例选取1幅胸部正位片。收集公开数据集GWCMCx中的5 856幅儿童胸部正位片,分别来自4 273例CAP患儿和1 583例胸部无明显异常患儿。按8∶2比例将全部6 756幅胸片分为训练集（n=5 359）与验证集（n=1 397）。建立基于注意力机制的病原学诊断儿童CAP模型,设计二分类及三分类诊断算法并进行联邦部署训练;与DenseNet模型对比,观察所获学习系统用于病原学诊断儿童CAP的效能。结果 人工智能联邦学习系统模型针对全部数据诊断CAP的准确率为97.00%,曲线下面积（AUC）为0.990。基于来自医院的数据,本系统根据单一影像学数据及临床-影像学数据实现病原学诊断儿童CAP的AUC分别为 0.858及0.836,均高于DenseNet模型的0.740（P均＜0.05）。结论 基于胸部X线片的人工智能联邦学习系统可用于病原学诊断儿童CAP。