机器学习在外科手术期间的医学:一个系统的审查
Valentina Bellini1, Marina Valente2, Giorgia Bertorelli1
1Anesthesiology, Critical Care and Pain Medicine Division, Department of Medicine and Surgery, University of Parma, Viale Gramsci 14, 43126, Parma, Italy.
Journal of anesthesia, analgesia and critical care
|June 29, 2023
概括
机器学习 (ML) 模型比传统方法更准确地预测手术结果. 这次系统审查强调了ML的ML.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 数据科学在医学中的数据科学
背景情况:
- 风险分层对于麻醉评估至关重要.
- 大数据和机器学习 (ML) 为分析复杂的健康数据提供了显著的优势.
- 本系统性审查探讨了ML在开发外科手术结果和风险分层预测模型方面的作用.
研究的目的:
- 系统地审查关于机器学习应用在外科风险预测中的文献.
- 评估ML算法在开发术后结果预测模型中的有效性.
- 了解外科手术期间护理中ML驱动的风险分层的当前情况.
主要方法:
- 从2015年1月到2021年3月,在主要数据库 (PubMed,Scopus等) 进行了系统的文献搜索. ) 的情况.
- 关键词包括"风险预测"",手术"",机器学习"",重症监护室 (ICU) "和"麻醉".
- 通过个人预后或诊断 (TRIPOD) 多变量预测模型透明报告的检查清单,确定并评估了36项符合条件的研究报告质量.
主要成果:
- 通常预测的结果包括死亡率,全身并发症 (例如,AKI),ICU入院和停留时间.
- 梯度增强和随机森林算法表现出最高的性能,AUC> 0.90.
- 报告质量总体上是可以接受的,75%的研究遵守了TRIPOD指南,超过60%.
结论:
- 机器学习在改善医疗预测方面具有重大潜力.
- 机器学习算法可以比传统方法和验证的分数更准确地预测结果.
- 鼓励采用跨学科的方法来评估人工智能对外科手术期间风险评估和医疗保健的影响.
