基于DeepSeek的医院感染智能判定系统构建及效能评价

摘要

目的 构建基于DeepSeek大语言模型的医院感染(HAI)智能判定系统，评估其与传统单人判定模式的效能差异。方法 采用单中心回顾性研究，纳入大连医科大学附属第二医院2025年1—6月的出院病历，以5名资深感染控制专家盲法共识为金标准判定是否为HAI,比较人工智能(AI)系统与单人判定在灵敏度、特异度、准确率、曲线下面积(AUC)及Kappa值等方面的差异，并进行感染部位亚组分析和错误类型归纳。结果 根据专家金标准判定，本研究HAI阳性136例、阴性184例。效能对比显示，AI系统在各效能指标上均优于单人判定：灵敏度(92.6%VS 84.6%)、准确率(93.8%VS 89.1%)、AUC(0.976 VS 0.897)及Kappa值(0.869 VS 0.776),差异均具有统计学意义(均P<0.05)。AI系统对不同感染部位的灵敏度均维持在94%以上，尤其在血流感染中明显优于人工(94.7%VS 73.7%,P=0.044)。错误类型分析表明，AI误判主要源于非典型临床表现，而人工漏报多因病历阅读疏忽所致。结论 基于DeepSeek的HAI智能判定系统具有较高的判别效能与稳定性，能够显著提升HAI识别的灵敏度和标准化水平。“AI初筛-人工终审”的人机协同模式可作为HAI防控的智能化解决方案。

关键词

人工智能 / 智能监测 / DeepSeek / 医院感染 / 大语言模型

基金资助

大连医科大学附属第二医院机关管理1+x课题(2024QNGL04)