人工智能增强多光谱成像技术在英国多中心评估中实现烧伤创面精准诊断的突破性进展

本研究针对烧伤创面评估依赖主观临床判断的痛点，开发了基于人工智能(AI)增强多光谱成像(MSI)的DeepView?系统。通过英国两所烧伤中心的40例患者验证，该系统灵敏度达80.7%、特异性95.5%，可在5分钟内完成精准预测，其便携特性更适用于急诊等场景，为烧伤分级提供了客观高效的解决方案。

　　

烧伤创面的准确评估一直是临床面临的重大挑战。传统方法依赖医生经验判断，其准确性仅65%-80%，尤其对混合深度烧伤易产生误判。现有激光多普勒成像(LDI)虽能提高客观性，但存在设备笨重、需伤后2-5天检测、操作复杂等局限，严重制约临床应用。更棘手的是，评估偏差可能导致过度手术或延误治疗，直接影响患者愈后和生活质量。

为突破这些技术瓶颈，英国纽卡斯尔和曼彻斯特成人烧伤中心的研究团队开展了这项开创性研究。他们首次在英国多中心临床环境中评估了人工智能(AI)增强多光谱成像(MSI)系统DeepView?的性能。这项发表在《Burns》的研究表明，该技术将烧伤评估的客观性和时效性提升至全新高度。

研究采用三项核心技术：1) 多光谱成像传感器采集组织氧合、血流等多维数据；2) 基于350例美国患者数据训练的卷积神经网络(CNN)进行图像分析；3) 使用ImageJ?软件进行13万数据点的像素级验证。所有操作均在5分12秒内完成，显著优于传统LDI的30分钟检测流程。

患者 demographics 和烧伤特征
纳入40例成人热力烧伤患者(平均51岁)，产生70幅创面图像。65.7%为烫伤，下肢最常见(29.9%)。分组分析显示，愈合>21天组与<21天组在年龄、烧伤面积(TBSA)等方面无统计学差异。

AI-MS I系统预测准确性
以21天临床愈后为金标准，系统整体准确率达95.3%。特别值得注意的是其95.5%的高特异性，意味着能可靠识别需要手术的深度烧伤。阳性预测值(PPV)90%、阴性预测值(NPV)93%，均显著优于传统方法。

便携性与临床适用性
设备重量仅相当于标准推车，可灵活应用于门诊、手术室等场景。非接触式设计避免创面污染，触摸屏界面使操作培训时间大幅短于LDI所需的6个月。

安全性与误差分析
虽未报告不良事件，但发现5%像素存在过度诊断深层烧伤的现象。研究者认为这与烧伤初期炎症反应干扰信号有关，建议结合临床判断综合评估。

讨论部分深入剖析了技术优势与改进方向。该MSI系统突破性地实现了"首日评估"，较LDI的2-5天窗口期具有显著临床优势。其二进制输出虽简化决策流程，但对混合深度烧伤的细分能力有待提升。研究者特别指出，当前版本尚未验证在儿童、手足等特殊部位的应用效果，且对深色皮肤、纹身等干扰因素的校准仍需优化。

这项研究标志着烧伤评估进入智能化新时代。AI与MSI的融合不仅解决了传统方法的主观性问题，其高效便携的特点更可能重塑烧伤诊疗流程。未来通过扩大样本多样性、开发多级输出系统，该技术有望成为全球烧伤中心的标配工具，最终实现精准医疗资源的最优配置。