儿童血液恶性瘤中的机器学习:对预后,毒性和治疗反应模型的系统审查
Gerard Gurumurthy1, Juditha Gurumurthy2, Samantha Gurumurthy3
1School of Medicine, University of Manchester, Manchester, UK. gerardgurumurthy@doctors.org.uk.
Pediatric research
|August 30, 2024
概括
机器学习 (ML) 在预测儿科血液癌症的结果方面表现有希望,但临床使用是有限的. 进一步的研究需要标准化的报告和外部验证,以便可靠地纳入患者护理.
科学领域:
- 儿科血液学 儿科血液学
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 机器学习 (ML) 在成人瘤护理中显示出潜力.
- 它在小儿血液恶性瘤中的应用是一个需要审查的新兴领域.
研究的目的:
- 综合审查儿童血液恶性瘤中ML模型的功能和局限性.
- 确定ML在这个特定患者群体中的应用趋势和挑战.
主要方法:
- 使用Ovid进行了文学搜索.
- 包括的研究重点是应用在患有血性恶性瘤的儿科患者身上的ML模型.
- 研究以主题分类进行分析.
主要成果:
- 他们审查了20项研究,主要是关于白血病的研究.
- ML模型在预测预后 (AUC 0.685-0.929),治疗反应 (AUC 0.840-0.875) 和毒性 (AUC 0.870-0.927) 方面表现出中等到高的准确性.
- 在ML任务,报告和效果测量方面观察到显著的异质性,只有25%的研究进行了外部验证.
结论:
- 当前ML模型的临床适用性受到外部验证和方法异质性缺乏的限制.
- 标准化报告和严格的外部验证对于将ML转化为临床实践至关重要.
- 解决数据集多样性对于概括性和推进小儿血液学精准医学至关重要.
