人工智能在检测胆固醇胆病:一个系统的审查
Joshua Blum1, Lewis Wood2, Richard Turner1
1Department of General Surgery, Royal Hobart Hospital, Hobart, Tasmania, Australia; Tasmanian School of Medicine, University of Tasmania, Hobart, Tasmania, Australia.
概括
机器学习模型 (MLMs) 在预测胆固醇结石病方面表现有前途,通常表现优于当前的指南. 然而,研究偏差限制了它们的广泛临床使用,它们还不符合MRCP的准确性.
科学领域:
- 肝胆药是一种肝胆药.
- 医疗保健中的人工智能
- 诊断准确性的研究研究.
背景情况:
- 胆固醇,急性胆道功能障碍的并发症,通常需要磁共振胆固醇细胞造影 (MRCP) 诊断,当初步调查是不确定的.
- 机器学习模型 (MLMs) 为诊断胆固醇胆病提供了一个潜在的替代方案.
研究的目的:
- 系统地审查和评估MLM对胆固醇胆病的预测性能.
- 将MLM的表现与美国胃肠内镜学会 (ASGE) 的指导方针进行比较.
- 评估临床效用,并确定MLM中的关键预测因素.
主要方法:
- 遵守PRISMA系统审查方法指南.
- 在四个数据库中进行了全面的文献搜索 (2000年1月 - 2024年4月).
- 两位研究人员对符合条件的记录进行评估,比较MLM有效性和ASGE指南的表现.
主要成果:
- 八项研究在408个被选的记录中满足了资格标准;MLM准确性差异很大 (19%-97%).
- 多媒体营销总体上表现优于ASGE指导方针,特别是那些偏差风险较低的 (70-85%的峰值准确度) 产品.
- 确定了重要的预测变量包括年龄,总胆红素和普通胆道直径.
结论:
- 与ASGE指导方针相比,MLM显示了胆固醇胆病的优异预测性能.
- 目前,研究设计和报告偏见限制了现有多媒体营销的潜在应用.
- 虽然还没有超过MRCP,但MLM为未来的风险预测和指南制定提供了宝贵的见解.
