深度学习预测模型对COVID-19严重性的诊断测试准确性:系统性审查和元分析
Changyu Wang1,2, Siru Liu3, Yu Tang4
1Department of Medical Informatics, West China Medical School, Sichuan University, Chengdu, China.
Journal of medical Internet research
|July 21, 2023
概括
深度学习 (DL) 模型对COVID-19选有希望. 这些模型准确地评估和预测COVID-19的严重程度,有助于早期识别关键病例.
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
- 诊断准确性研究 诊断准确性研究
背景情况:
- 深度学习 (DL) 预测模型为改善COVID-19病例分拣过程提供了显著的潜力.
- 准确评估和预测COVID-19严重程度对于有效的患者管理和资源分配至关重要.
研究的目的:
- 评估DL预测模型的诊断测试准确性,以评估COVID-19的严重程度.
- 评估DL模型对COVID-19疾病进展的预测性能.
主要方法:
- 在主要数据库 (PubMed,Scopus等) 进行了系统的文献搜索. 对于2019年12月至2022年4月期间发表的研究.
- 包括的研究使用了DL模型进行COVID-19严重程度评估或预测,并进行诊断测试准确性分析.
- 使用QUADAS-2和PROBAST工具进行了包含的研究的质量评估.
主要成果:
- 十二项研究 (2006名患者) 显示,DL模型的综合灵敏度为0.92 (AUC0.95) 进行横截面严重性评估.
- 十三项研究 (3951名患者) 表明,DL模型对纵向严重性预测的综合灵敏度为0.76 (AUC0.80).
- 在聚合分析中观察到最小的异质性 (I2=0.00%).
结论:
- DL预测模型在识别早期临床分拣的严重COVID-19病例方面表现出强大的能力.
- 研究结果表明,DL工具可以支持临床医生有效管理COVID-19患者.
- 需要进一步进行高质量的研究,才能充分实现DL在COVID-19严重性预测中的潜力.


