了解机器学习在预测骨关节炎进展中的作用
Simone Castagno1, Benjamin Gompels1, Estelle Strangmark1
1Department of Surgery, University of Cambridge, Cambridge, UK.
The bone & joint journal
|October 31, 2024
概括
机器学习 (ML) 对预测骨关节炎 (OA) 进展有希望,但当前的模型需要更好的数据和验证以供临床使用. 未来的工作旨在通过改进的预测工具来改变OA患者的护理.
科学领域:
- 人工智能的人工智能
- 整形医生 整形医生 整形医生
- 生物医学数据科学 生物医学数据科学
背景情况:
- 骨关节炎 (OA) 缺乏有效的早期治疗方法,需要准确的进展预测,以便及时进行干预.
- 机器学习 (ML) 为OA提供了个性化外科治疗和改善临床试验设计的潜力.
- 目前的治疗侧重于末期疾病,突出了管理早期OA进展的差距.
研究的目的:
- 系统地审查使用机器学习 (ML) 预测骨关节炎 (OA) 进展的研究.
- 综合用于OA进展预测的ML算法,数据类型,结果测量和验证方法的数据.
- 确定ML在OA管理中的临床应用的局限性和未来方向.
主要方法:
- 按照PRISMA指南进行的系统审查.
- 在MEDLINE和Embase搜索了使用ML预测OA进展的研究.
- 包括39项研究,在选了1,160项后,提取了ML算法,数据类型和结果指标的数据.
主要成果:
- 大多数研究 (85%) 发表了2020-2024年,主要使用公开数据集 (82%).
- 监督的ML方法很常见,对OA进展的定义各不相同 (结构性与疼痛).
- 使用深度学习 (44%) 和自动化ML (5%);标准化和外部验证是有限的.
结论:
- ML模型证明了预测OA进展的可行性,但在临床使用方面存在局限性.
- 未来的研究应该专注于各种数据,标准化指标,严格的验证和先进的算法.
- 转向可操作的ML工具可以彻底改变OA患者护理和骨科实践.
