基于人工智能的成人慢性髓性白血病管理:我们在哪里,我们要去哪里?

科学领域:

• 医疗信息学 医疗信息学
• 在瘤学瘤学.
• 机器学习 机器学习

背景情况:

• 慢性髓性白血病 (CML) 的管理已经显著改善了铁激酶抑制剂 (TKIs),增加了患者的预期寿命.
• 尽管取得了进展,但CML中的人工智能 (AI) 应用仍处于早期阶段.
• 人工智能为增强的医疗应用提供了潜力,包括放射学,成像分析和大数据分析.

研究的目的:

• 审查慢性髓性白血病 (CML) 中人工智能应用的现状.
• 描述与CML研究相关的AI技术和目标.
• 讨论CML人工智能的挑战和未来方向,强调人类因素.

主要方法:

• 对2003年至2023年的出版物进行了范围审查.
• 在PubMed上使用关键词"慢性髓性白血病"和"人工智能"进行了搜索.
• 该审查涵盖了广泛的AI领域,不仅仅是机器学习 (ML).

主要成果:

• 在CML中最初的AI试验发现是关于性能和适应性的有趣和令人鼓舞的.
• 人工智能可以利用各种数据 (生化,生物分子,成像,临床) 来改善CML诊断和预后.
• 人工智能有可能推进个性化医疗,并简化CML管理中的医疗保健服务.

结论:

• 人工智能是一个新兴的工具,具有在CML管理中增加价值的巨大潜力.
• 进一步的研究和开发至关重要,以克服目前的局限性,并充分整合AI到CML护理.
• 人类因素对于AI在医疗领域的成功实施和解释至关重要.