子宮内膜症のための機械学習の診断精度: 体系的なレビューとメタ解析

科学分野:

• 医療情報工学 医療情報工学
• コンピュータ生物学 コンピュータ生物学
• 婦人科 婦人科について

背景:

• 機械学習 (ML) は,子宮内膜症の診断のためにますます探索されています.
• しかし,子宮内膜症に対するMLの診断精度に関する体系的な証拠は限られている.

研究 の 目的:

• 子宮内膜症のための機械学習モデルの診断性能を体系的にレビューし,評価する.
• 子宮内膜症の検出におけるMLの精度に関する既存の証拠を統合する.

主な方法:

• PubMed,Embase,コクラン図書館,Web of Scienceの包括的な体系的な検索が行われました.
• 子宮内膜症の診断のためのMLモデルを開発する研究も含まれ,データは抽出され,品質は2人の独立したレビュー者によって評価されました.
• 予測モデルバイアスリスク評価ツールは,研究バイアスを評価するために使用されました.

主要な成果:

• 45の出版物が含まれており,参加者の数は39から612,777.7まででした.
• メタアナリシスは,MLモデルの強力なパフォーマンスを示しました:臨床特性の曲線下領域 (AUC) は0.810 (トレーニング) と0.796 (検証) に達しました.
• 遺伝情報を利用したモデルは,AUC 0.982 (トレーニング) と 0.865 (検証) を達成し,画像ベースのモデルは,AUC 0.979 (トレーニング) と 0.983 (検証) を示した.

結論:

• 機械学習モデルは,子宮内膜症の診断において,かなりの精度を示しています.
• 遺伝情報とイメージング機能を組み込んだモデルは,特に高い診断性能を示しています.
• これらの発見は,子宮内膜症の診断における貴重なツールとしてのMLの潜在能力を支持しています.