医学知情机器学习:一个范围审查和未来的研究方向
Florian Leiser1, Sascha Rank1, Manuel Schmidt-Kraepelin1
1Department of Economics and Management, Karlsruhe Institute of Technology, Karlsruhe, Germany.
Artificial intelligence in medicine
|November 4, 2023
概括
信息化机器学习 (IML) 将领域知识与人工智能结合起来,以改善医疗人工智能. 这次审查分析了177篇论文,发现专家知识和图像数据是关键,并建议未来的研究方向.
科学领域:
- 医疗人工智能 医疗人工智能
- 机器学习 机器学习
- 域名知识集成 域名知识集成
背景情况:
- 医学中的机器学习 (ML) 面临着诸如有限的解释性,数据稀缺性和稳定性问题等挑战.
- 目前的知情机器学习 (IML) 方法往往是特定于问题的,限制了更广泛的应用.
- 将域知识 (DK) 与ML集成,为解决这些局限性提供了一个有希望的途径.
研究的目的:
- 进行医学中知情机器学习 (IML) 的范围文献综述.
- 分析IML在医学领域的现状.
- 确定医学IML的趋势,挑战和未来的研究方向.
主要方法:
- 使用现有分类学进行了范围文献审查.
- 确定并分析了177篇相关论文.
- 分析重点是使用的域知识 (DK) 类型,实施的机器学习 (ML) 模型以及使用IML的动机.
主要成果:
- 专家知识和医疗图像数据在医疗IML中得到广泛使用.
- 相当多的IML方法是针对特定医疗问题的.
- 该审查确定了医疗IML中DK集成和ML模型选择的关键趋势.
结论:
- 本综述提供了IML在医学当前情景的全面概述.
- 它强调了专家知识和图像数据在推进医疗人工智能的关键作用.
- 该研究提供了宝贵的见解和五个未来的研究方向,以指导开发更强大和可解释的医疗IML系统.
