通过机器学习推进实验室医学实践:快速而又精确.
Jiwon You1, Hyeon Seok Seok2, Sollip Kim3
1Department of Digital Medicine, Brain Korea 21 Project, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Korea.
Annals of laboratory medicine
|November 26, 2024
概括
机器学习 (ML) 通过提高效率和扩大研究角色来增强实验室医学. 建议进一步发展专业知识,以便在临床实验室中最佳地利用ML技术.
科学领域:
- 医疗信息学 医疗信息学
- 临床实验室科学 临床实验室科学
- 人工智能的人工智能
背景情况:
- 机器学习 (ML) 越来越多地用于各种科学领域的数据分析和预测.
- 实验室医学为ML应用提供了一个不断增长的领域,影响诊断和运营效率.
- 需要进行全面的审查,以了解实验室医学中ML的现状.
研究的目的:
- 系统地审查和分类机器学习在实验室医学中的应用.
- 识别机器学习模型使用趋势,数据类型和该领域的研究目标.
- 评估ML对实验室效率的影响以及临床实验室角色的扩大.
主要方法:
- 在PubMed上对2014年2月至2024年3月期间发表的文章进行了系统的文献搜索.
- 从最初779个相关文章中选择了144篇相关文章.
- 数据提取和分类包括ML模型,样本类型,数据类型,研究目标,评估指标和样本大小,使用桑基图和饼图可视化.
主要成果:
- 实验室医学中的大多数ML应用旨在通过自动化提高效率并扩大临床实验室服务的范围.
- 卷积神经网络,多层感知子和基于树的模型是最常用的ML算法.
- 模型选择主要取决于输入数据的性质.
结论:
- 机器学习将成为实验室医学中更重要的工具,促进扩大研究能力.
- 需要提高ML应用方面的专业知识,以充分利用其在实验室医学中的潜力.
- 机器学习技术的持续发展可能会推动临床实验室的进一步整合和创新.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
