人工智能在慢性髓性白血病 (CML) 疾病预测和管理中的应用:一个范围审查

科学领域:

• 血液学 血液学 血液学
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 慢性髓性白血病 (CML) 的诊断和管理存在复杂的挑战.
• 准确预测疾病进展和治疗反应对于有效的CML护理至关重要.
• 人工智能 (AI) 为CML的预测建模和个性化治疗策略提供了先进的解决方案.

研究的目的:

• 审查AI在慢性髓性白血病 (CML) 诊断和管理中的应用.
• 确定常见的AI模型及其在CML相关任务中的表现.
• 突出AI在改善CML患者早期检测和治疗干预方面的潜力.

主要方法:

• 在PubMed,Scopus和Web of Science数据库中进行了广泛的文献搜索,截至2023年4月24日.
• 从选定的文章中提取数据,使用标准化表格,并使用表格和图表呈现.
• PRISMA-ScR检查清单指导了对研究结果的透明报告.

主要成果:

• 该综述包括了12篇文章,重点关注CML中的AI应用.
• 人工智能主要用于瘤诊断/分类 (75%),预测/预后 (17%) 和治疗 (8%).
• 常见的AI模型包括支持向量机 (SVM),极端梯度增强 (XGBoost) 和各种神经网络. 混合卷积神经网络与交互式自学学校 (HCNN-IAS) 和MayGAN在特定的CML诊断任务中表现出高准确度.

结论:

• 人工智能在预测慢性髓性白血病 (CML) 的预后和个性化治疗方面取得了重大进展.
• 集成的人工智能系统增强临床决策并优化患者护理途径.
• 人工智能有助于改善CML管理中的临床结果.