我们可以从机器学习研究流量转移器动脉瘤栓塞上学到什么? 一个系统的审查

科学领域:

• 神经内血管外科手术是一种神经内血管手术.
• 医疗人工智能的人工智能
• 脑血管疾病管理的管理

背景情况:

• 对动脉瘤的流量转移器的使用正在增加,这使得预测结果变得更加复杂.
• 准确预测流量转移器的成功对于患者管理至关重要.

研究的目的:

• 审查机器学习算法来预测动脉瘤堵塞中的流量转移器成功.
• 引导神经干预学家利用人工智能进行治疗规划.

主要方法:

• 按照PRISMA指南进行系统审查.
• 对PubMed,Embase,Scopus和Web of Science数据库进行选.
• 包含关于机器学习用于流转向器结果预测的原始研究.

主要成果:

• 五项研究评估了各种机器学习算法.
• 算法分析了患者,动脉瘤和与设备相关的特征.
• 准确度在61%到90%之间,像高斯 SVM 这样的算法实现了最高的准确率.

结论:

• 机器学习模型在预测流转变器成功时表现出高准确度 (高达90%).
• 人工智能集成可以增强神经干预性决策,用于动脉瘤治疗.