人工智能和机器学习在癌症疼痛:一个系统的审查
Vivian Salama1, Brandon Godinich2, Yimin Geng3
1Department of Radiation Oncology (V.S., B.G., L.H.V., L.M., K.A.W., M.A.N., R.H., A.S.R.M., C.D.F., A.C.M), The University of Texas MD Anderson Cancer Center, Houston, TX, USA.
Journal of pain and symptom management
|August 3, 2024
概括
人工智能和机器学习 (AI/ML) 在预测和管理癌症疼痛方面表现有前途. 然而,需要进一步的研究来改善模型质量和临床验证,以获得可靠的应用.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 癌症疼痛是一种影响大多数患者的复杂症状.
- 人工智能/机器学习 (AI/ML) 为癌症疼痛管理提供了潜在的解决方案.
- 这篇评论探讨了AI/ML在预测癌症疼痛结果中的应用.
研究的目的:
- 系统地审查AI/ML在预测癌症疼痛结果中的应用.
- 评估AI/ML模型用于癌症疼痛管理.
- 评估AI/ML模型在癌症疼痛研究中的质量和性能.
主要方法:
- 在2023年9月7日之前进行全面的数据库搜索 (Ovid MEDLINE,EMBASE,Web of Science)
- 在癌症疼痛预测和管理中包括AI/ML研究.
- 使用PROBAST偏差风险和TRIPOD指南进行质量评估.
主要成果:
- 44项研究 (2006-2023) 使用AI/ML治疗癌症疼痛.
- AI/ML模型的表现不同 (中位数AUC为0.77),随机森林模型表现最好 (中位数AUC为0.81).
- 报告指出存在高偏差风险 (77.3%) 和有限的外部验证 (14%) 以及对模型校准的报告不足 (5%).
结论:
- 人工智能/ML工具对于推进癌症疼痛分类,风险分层和管理具有重大潜力.
- 提高模型质量,校准和进行严格的外部验证至关重要.
- 确保AI/ML在癌症疼痛管理中的实用和可靠的临床应用需要进一步的研究.
