人工智能和统计方法用于分层和预测肌缩侧面硬化症的进展:系统性审查
Erica Tavazzi1, Enrico Longato1, Martina Vettoretti1
1Department of Information Engineering, University of Padova, Via Gradenigo 6/b, Padua, 35131, Italy.
Artificial intelligence in medicine
|June 14, 2023
概括
在肌缩侧面硬化症 (ALS) 中的人工智能 (AI) 显示出患者分层和进展预测的前景. 然而,缺乏验证的模型和可重现性挑战阻碍了临床应用.
科学领域:
- 神经科学是一个神经科学.
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 肌缩侧面硬化 (ALS) 是一种致命的神经退行性疾病,具有异质的过程,使人工智能应用具有挑战性.
- 目前在ALS的AI研究重点是患者分层和进展预测.
- 了解ALS中AI的方法格局对于推进研究至关重要.
研究的目的:
- 系统地审查ALS中的AI应用,重点关注患者分层和进展预测.
- 确定ALS研究的AI方法论格局中的协议领域和挑战.
主要方法:
- 在Scopus和PubMed数据库中系统搜索人工智能驱动的ALS分层和进展预测研究.
- 根据变量,方法,验证和结果分析选定的研究.
主要成果:
- 通常使用的变量包括人口统计和ALSFRS/ALSFRS-R分数用于分层和预测.
- K-means,层次聚类,随机森林和深度学习是普遍存在的AI方法.
- 观察到显著缺乏模型验证和可重复性,大多数研究仅使用内部验证.
结论:
- 关于ALS人工智能的输入变量和预测目标存在协议.
- 确定了用于ALS患者分层和进展预测的经过验证和可重复的AI模型中的重大差距.
- 深度学习显示了预测的潜力,需要对新型传感器数据进行进一步的研究以实现分层.
