机器学习模型用于预测突然感觉神经听力损失的结果:系统性审查

科学领域:

• 听力学和医疗保健信息学
• 生物医学数据科学是生物医学数据科学.

背景情况:

• 由于疾病的可变性,突然的感觉神经听力损失 (SSNHL) 的预后具有挑战性.
• 机器学习 (ML) 模型在医疗保健中越来越多地用于预测结果.
• 使用ML预测SSNHL结果是一个活跃的研究领域.

研究的目的:

• 系统地审查用于SSNHL结果预测的ML模型.
• 评估这些ML模型的性能和现实应用性.

主要方法:

• 在PubMed,科学网络和Scopus上进行系统的文献搜索.
• 包括开发SSNHL的ML预测模型的研究.
• 使用预测模型风险偏差评估工具 (PROBAST) 进行偏差风险评估.

主要成果:

• 包括七项研究,开发了48个ML模型.
• 常见的算法包括后勤回归,支持矢量机 (SVM) 和提升.
• 曲线下的面积 (AUC) 从0.59到0.915不等,但所有研究都有高偏差风险.

结论:

• 机器学习模型在SSNHL预测方面显示出有前途的性能.
• 偏差的高风险使人们对当前模型在临床实践中的适用性产生了担忧.
• 未来的研究需要多队列研究,多种特征选择和外部验证.