机器学习和深度学习用于诊断和治疗结性脊柱炎-一个范围审查
Sakshi Dhall1, Abhishek Vaish2, Raju Vaishya2
1Department of Mathematics, Jamia Millia Islamia, Delhi, 110025, India.
Journal of clinical orthopaedics and trauma
|May 6, 2024
概括
机器学习和深度学习有助于早期诊断和个性化治疗关节炎 (AS). 虽然有希望,但挑战包括有限的多中心数据集和较少的ML/DL研究与诊断相比,用于AS治疗.
科学领域:
- 人工智能在医学中的应用
- 生物医学信息学 生物医学信息学
- 风湿病学研究 风湿病学研究
背景情况:
- 机器学习 (ML) 和深度学习 (DL) 是新兴技术,在医疗保健领域具有重大潜力.
- 结性脊柱炎 (AS) 的诊断和治疗可以通过先进的计算方法来增强.
- 需要对AS中的ML/DL应用进行全面的审查,以指导未来的研究.
研究的目的:
- 提供关于ML/DL在结性脊柱炎的诊断和治疗中的应用的最新审查.
- 描述ML/DL技术,数据集以及现有的研究贡献和局限性.
- 为了确定未来的研究方向的知识差距在AS的ML/DL.
主要方法:
- 使用PubMed数据库进行了系统的文献搜索.
- 审查了2013年至2023年期间发表的关于AS诊断和治疗中的ML/DL的全文文章.
- 文章是手动选的相关性和纳入审查.
主要成果:
- 通过创建患者资料和识别生物标志物,ML/DL有助于早期AS诊断.
- 这些技术可以预测AS的进展,并预测个性化护理的治疗反应.
- 局限性包括不够的多中心数据集和相对稀缺的研究ML/DL对AS治疗与诊断相比.
结论:
- ML/DL促进了早期诊断和针对患者的治疗,以有效管理结性脊柱炎.
- 这些工具在资源有限的环境中提供了显著的好处,缺乏诊断专业知识.
- 基于ML / DL的模型可以有效和经济有效地支持医疗保健系统的AS护理.
