机器学习在正常压力水脑的管理中的实用性:系统性审查

科学领域:

• 神经学 神经学
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 在过去的十年中,机器学习 (ML) 模型越来越多地应用于正常压力脑症 (NPH) 管理.
• 需要进行系统审查,以评估在NPH中使用的ML模型.

研究的目的:

• 系统地审查和分析机器学习模型,应用于正常压力头症 (NPH) 的管理.

主要方法:

• 在PubMed,Embase和Web of Science中搜索了NPH中的ML应用程序.
• 使用PROBAST和TRIPOD指南评估研究质量.
• 进行了统计分析,显著程度为<0.05.

主要成果:

• 22项研究包括53个ML模型;卷积神经网络是最常见的.
• 模型准确度平均为77%,诊断模型的表现优于干预模型 (83.4%对69.4%).
• 在59%的研究中注意到存在偏差的高风险,只有55%的人遵守了TRIPOD指南.

结论:

• 尽管准确度很高,但目前的NPHML模型面临着挑战.
• 为了进行交叉研究比较和改善NPH的临床决策,ML模型的标准化是必要的.