基于结构化医疗数据的机器学习在胃肠病学中的应用
Hye-Jin Kim1,2,3, Eun-Jeong Gong1,2,3, Chang-Seok Bang1,2,3
1Department of Internal Medicine, College of Medicine, Hallym University, Chuncheon 24253, Republic of Korea.
Biomimetics (Basel, Switzerland)
|November 24, 2023
概括
人工智能 (AI) 和机器学习 (ML) 对于分析大型临床数据至关重要. 本综述探讨了胃肠病学中ML的采用,强调了它的潜力,尽管与深度学习相比使用有限.
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
- 临床数据分析 临床数据分析
背景情况:
- 越来越多的临床数据需要先进的分析工具,如人工智能 (AI).
- 机器学习 (ML) 是人工智能的子集,对于处理大型数据集至关重要,深度学习在非结构化数据分析方面表现出色.
- 传统的ML模型为结构化临床数据提供了显著的潜力,提高了医疗保健的效率.
研究的目的:
- 为了提供一个全面的概述,目前在胃肠病学中采用ML的状态.
- 讨论胃肠病学中ML应用的未来潜力和方向.
- 简要总结一下与该领域相关的大型语言模型 (LLM) 最近的进展.
主要方法:
- 这项研究采用了叙事审查方法.
- 文献搜索侧重于ML在胃肠病学中的应用,与深度学习和统计模型进行对比.
- 此外,还综合了LLM的最新发展.
主要成果:
- 在胃肠病学中,ML的采用落后于传统的统计模型和深度学习方法.
- 尽管目前使用有限,但ML对提高胃肠病学诊断和预后预测有很大的前景.
- 最近LLM的进展为临床数据分析提供了新的机会.
结论:
- 需要在胃肠病学中增加ML技术的采用和探索.
- 未来的研究应该专注于利用ML,包括LLMs,用于胃肠病学中的结构化和非结构化数据.
- 整合ML可以显著提高医疗保健效率和胃肠病学患者的治疗结果.
