机器学习在胃癌中的非内镜应用:系统性审查
Marianne Linley L Sy-Janairo1, Jose Isagani B Janairo2
1Institute of Digestive and Liver Diseases, St. Luke's Medical Center-Global City, Taguig, Philippines.
Journal of gastrointestinal cancer
|July 21, 2023
概括
机器学习 (ML) 为胃癌诊断,治疗反应预测和预后提供了有前途的非内镜应用. 虽然还处于早期阶段,但这些方法显示出潜在的,不那么侵入性胃癌的检测和管理.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 胃癌是一个重大的全球健康挑战,发病率和死亡率很高.
- 目前的诊断主要依赖于上部胃肠道内镜和活检,这是大多数机器学习 (ML) 工具集中的一个领域.
- 本综述探讨了超越胃癌内镜成像的ML应用.
研究的目的:
- 系统地审查在胃癌中不涉及内镜图像识别的机器学习 (ML) 应用.
- 在胃癌研究中识别和分类ML的各种非内镜用途.
- 评估ML在胃癌管理中的当前情况和未来潜力.
主要方法:
- 在两个数据库中进行了系统的文献审查.
- 研究是由两位作者独立评估的.
- 提取的数据包括出版年,ML算法,性能指标,样本类型和临床应用.
主要成果:
- 从791篇选的文章中,包括了63项研究.
- 非内镜ML应用分为三个主要类别:诊断,预测治疗反应和预测预后.
- 关键应用包括用于诊断的基因病理幻灯片分析和用于患者生存和预后变量识别的风险评分系统.
结论:
- 对胃癌的许多非内镜ML应用显示出希望,利用各种样本,包括非传统的样本.
- 这些技术为开发不那么入侵的诊断和预后工具提供了潜力.
- 在广泛采用之前,需要进一步的研究来推进数据策划,模型解释性和临床验证.
