機械学習による乳房再建における手術結果を予測する:体系的なレビュー

科学分野:

• 整形外科手術についてです.
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• 人工知能 (AI) と機械学習 (ML) は,患者の結果を予測し,意思決定を導くために,整形外科でますます使用されています.
• このレビューは,特に乳房再建におけるMLモデルの性能に焦点を当てています.

研究 の 目的:

• 乳房再建における機械学習 (ML) 予測モデルのパフォーマンスを体系的にレビューし,評価する.
• 手術結果を予測する際の,異なるMLモデルと成果測定法の有効性を比較する.

主な方法:

• PubMed,Scopus,EMBASEの体系的なレビューが行われました.
• 乳房再建における結果を予測するためにMLを使用した研究,モデルタイプとパフォーマンスメトリックの報告 (例えば,受信機の動作特性曲線の下の面積) が含まれています.
• 統計分析には,記述的統計,多変量線形回帰,メタ回帰が含まれていた.

主要な成果:

• 19のMLモデルと11,013人の患者を含む14の研究が分析されました.
• すべてのモデルで受信機の動作特性曲線の下の中央面積は0.71.7でした.
• BREAST-Qの結果を予測したモデルと,階級不均衡の緩和を使用したモデルは,著しく高い差別を示した.

結論:

• 機械学習モデルは,手術合併症や患者の満足度など,乳房再建の様々な結果を予測するのに有効です.
• BREAST-Qを予測し,階級不均衡の方法を採用したモデルは,優れた差別を示した.
• 標準化された報告は,再現性を確保し,比較を容易にするため,将来の整形外科におけるMLアプリケーションに不可欠です.