人工智能模型在预测关节镜术后的临床结果方面存在局限性:系统性审查

科学领域:

• 整形外科手术 整形外科手术
• 医疗人工智能 医疗人工智能
• 健康 结果 研究 研究 结果

背景情况:

• 关节镜的使用量正在增加,但并发症和不理想的结果仍然存在.
• 人工智能 (AI) 为外科医生提供了潜在的决策支持工具.
• 在关节镜术中,对可靠的预测工具的需求正在增长.

研究的目的:

• 系统地审查基于人工智能的关节镜预测模型.
• 描述这些人工智能模型的结果,性能和通用性.
• 识别临床整合当前研究中的差距.

主要方法:

• 在PubMed/MEDLINE和Embase数据库中的系统文献搜索.
• 包括使用人工智能预测关节镜术风险的研究.
• 分析重点是预测变量,模型性能 (AUC,精度) 和外部验证.

主要成果:

• 包括13项研究,分析AI用于预测临床结果和风险.
• 人工智能模型展示了可变性能 (AUC 0.572-0.94) 预测结果,如最小临床重要差异和重复手术.
• 审查的AI模型中没有一个经过外部验证,这阻碍了概括性.

结论:

• 人工智能正在接受调查,以预测关节透镜的结果,显示不同的性能.
• 缺乏外部验证是临床适用性的重大限制.
• 进一步的研究对于提高人工智能模型性能和确保患者护理的通用性至关重要.