急诊医生很难识别出患有克罗恩病并真正需要 CT 扫描以确定急性腹部不适的原因的患者。

帮助可能正在路上。研究人员已使用机器学习将这些患者与出现相同主诉的克罗恩病患者准确区分开来，但可以安全地避免重复暴露于造影剂和电离辐射，否则 CT 会对他们进行检查。

这项工作由以色列特拉维夫大学的胃肠病学家和放射科医生进行，并在 7 月 9 日发表在《消化和肝脏疾病》上的一项研究中有所描述。

医学博士 Jacob Ollech 及其同事回顾性地回顾了 101 例接受腹盆腔 CT 的克罗恩病患者的紧急治疗。

他们寻求的关键发现是扫描产生临床可操作结果的案例。研究人员将这些定义为肠梗阻、穿孔、腹腔内脓肿或复杂的瘘管。

在审查的 101 例病例中，44 例(43.5%)在 CT 上有此类发现。

为了测试用于拨打电话的 AI 方法，Ollech 及其同事使用机器学习技术构建了一个仅需要四个常规临床变量的决策支持工具。

该工具成功地将患者分为低风险和高风险亚组。

这一成功使研究人员能够根据每个人在腹盆腔 CT 上获得临床可操作发现的可能性对患者进行风险分层。

Ollech 和合著者承认他们的小样本、回顾性设计和缺乏外部验证存在局限性。

此外，许多患者处于中等风险区域，这意味着他们无论如何都需要进行标准检查来指导现实环境中的 CT 决策。