在早期COVID-19检测和预后中利用机器学习:全面的系统性审查
Rufaidah Dabbagh1, Amr Jamal1,2, Jakir Hossain Bhuiyan Masud3
1Family & Community Medicine Department, College of Medicine, King Saud University, Riyadh, SAU.
Cureus
|June 2, 2023
概括
机器学习 (ML) 模型在诊断COVID-19和预测严重程度方面显示出高准确性,特别是使用胸部成像. 然而,数据选择中的潜在偏差引发了人们对其临床替代医生的担忧.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 流行病学 流行病学
背景情况:
- 在早期的COVID-19大流行中,逆转录酶-聚合酶连锁反应 (RT-PCR) 测试面临限制.
- 机器学习 (ML) 已成为COVID-19诊断和预后的潜在替代方案.
- 决策支持系统对于风险评估至关重要,特别是在资源有限的环境中.
研究的目的:
- 系统地审查使用ML预测COVID-19诊断或严重程度的研究.
- 评估ML决策支持系统在COVID-19管理中的实用性.
- 在疫情期间向医疗专业人员提供风险评估信息.
主要方法:
- 按照PRISMA指南进行系统的文献搜索 (MEDLINE,Scopus,EMBASE,IEEE Xplore,2020年1月至6月).
- 包括同行评审的预测COVID-19诊断或预后 (死亡,通风,入院,ARDS) 的研究.
- 关于研究特征,ML模型和诊断准确性的数据提取;使用PROBAST进行偏差评估.
主要成果:
- 包括66项研究;64%使用了二次数据,30%来自中国作者.
- 79%的研究使用胸部成像;其他使用实验室标记.
- 机器学习模型,特别是深度学习 (70%),报告了高准确度 (> 90%),但56%的偏差风险不清楚,主要是由于选择偏差.
结论:
- 机器学习在早期检测COVID-19方面表现有前途,尤其是胸部成像数据.
- 尽管报告的准确性很高,但对模型新性和数据偏差的担忧质疑它们作为临床判断的替代品的作用.
- 进一步的研究对于提高ML系统在COVID-19诊断和预后方面的稳定性和可靠性至关重要.
