人工智能在使用现实数据预测脆弱性的进步:范围审查
1Department of Health Outcomes and Biomedical Informatics, University of Florida, Gainesville, FL 32611, United States.
Ageing research reviews
|October 6, 2024
概括
人工智能 (AI) 和现实世界的数据 (RWD) 对老年人的脆弱性评估有希望. 需要进一步验证以确认临床实用性,并将结构化数据与临床注释整合起来,以提高预测.
科学领域:
- 老年学是一门学科.
- 生物医学信息学 生物医学信息学
- 人工智能的人工智能
背景情况:
- 脆弱性评估对于老年人的医疗保健至关重要,但耗时.
- 人工智能 (AI) 和自然语言处理 (NLP) 提供了使用现实世界数据 (RWD) 进行脆弱性评估的新方法.
研究的目的:
- 审查和分析使用AI和RWD预测脆弱性的研究.
- 确定人工智能驱动的脆弱性预测中的方法,验证策略和局限性.
主要方法:
- 在Embase,Web of Science和PubMed (直到2023年10月) 的系统文献搜索.
- 遵循PRISMA-ScR指南进行研究选择和综合.
- 基于数据类型的分类AI方法:结构化数据和非结构化临床笔记.
主要成果:
- 选择了23篇出版物,将AI脆弱性预测分类为结构化数据模型和NLP用于临床笔记.
- 人工智能模型对脆弱性表现出中等至高的预测性能.
- NLP应用还处于新生阶段;整合结构化数据和临床笔记具有重大潜力.
结论:
- 人工智能和RWD集成为脆弱性评估提供了实质性的进步.
- 未来的研究必须专注于对人工智能模型和创新的数据整合策略的严格验证.


