人工智能和机器学习在尿路感染的识别和预测中的应用:系统性审查和元分析
Li Shen1, Jialu An2, Nanding Wang3
1Department of Infection Control, Xi'an Hospital of Traditional Chinese Medicine, No.69 Feng Cheng 8th Road, Weiyang District, Xi'an, 710021, China.
World journal of urology
|August 1, 2024
概括
人工智能 (AI) 和机器学习 (ML) 在识别和预测尿路感染 (UTI) 中表现有前途. 这一元分析量化了它们的性能,表明了在尿路感染检测中临床应用的潜力.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 传染性疾病 传染性疾病
背景情况:
- 尿路感染 (UTI) 是一个全球临床挑战.
- 人工智能 (AI) 和机器学习 (ML) 越来越多地用于尿路感染的识别和预测.
- 在尿路感染检测中AI/ML的全面性能需要评估.
研究的目的:
- 量化评估AI/ML算法在识别和预测尿路感染病例中的应用价值.
- 综合现有关于AI/ML对尿路感染的诊断准确性的证据.
主要方法:
- 在MEDLINE,EMBASE,Web of Science和PubMed的系统文献搜索,截至2023年12月31日.
- 使用QUADAS-2和PROBAST工具进行偏差风险评估.
- 综合灵敏度,特异性和AUC的元分析,使用双变混合效应模型.
主要成果:
- 包含了11项研究,其中包括14个AI/ML模型.
- 接收器运行特征曲线 (AUC) 下的整体聚合面积为0.89.
- 聚合的灵敏度和特异性分别为0.78和0.89.
结论:
- 人工智能/ML算法显示出帮助临床医生检测尿路感染的巨大潜力.
- 这些算法可以帮助识别患有尿路感染高风险的患者.
- 需要进一步的研究才能充分确定AI/ML在尿路感染管理中的临床实用性.


