微手术的进步:对人工智能应用的全面系统审查
Simon A Savage1, Ishith Seth1, Zachary G Angus2
1Department of Plastic Surgery, Frankston Hospital, Peninsula Health, 2 Hastings Road, Frankston 3199, Australia; Department of Surgery, Peninsula Clinical School, Central Clinical School, Faculty of Medicine, Monash University, 2 Hastings Road, Frankston 3199, Australia.
Journal of plastic, reconstructive & aesthetic surgery : JPRAS
|December 21, 2024
概括
机器学习 (ML) 通过改善预后,术后评估和手术内辅助来增强微手术. 尽管证明有效,但方法上的缺陷和采用障碍阻碍了人工智能在微手术中的广泛使用.
科学领域:
- 人工智能的人工智能
- 机器学习 机器学习
- 微手术 微手术是一种微手术.
背景情况:
- 微手术需要精确和复杂的决策.
- 人工智能 (AI),特别是机器学习 (ML),有可能提高外科手术的结果.
- 本综述探讨了ML在微手术进步中的整合.
研究的目的:
- 审查和分析ML在微手术当前的应用.
- 突出AI在改进微手术技术和决策方面的作用.
- 确定在微手术中采用ML的障碍和机会.
主要方法:
- 在主要数据库 (Ovid MEDLINE,Embase,Web of Science,PubMed) 中从2005年至2023年进行了系统的文献搜索.
- 十七项研究符合纳入标准,其中提取的数据是ML模型特征和研究设计.
- 研究质量是使用适应的非随机研究方法指数 (MINORS) 来评估的.
主要成果:
- 微手术中的ML应用主要集中在预后 (35%),术后评估 (29%) 和手术内辅助 (24%).
- 大多数研究 (14/17) 包括一个培训组,但只有一个报告了培训和验证组.
- 通常使用准确度,特异性和灵敏度来评估ML性能;调整后的MINORS得分平均为12/14.
结论:
- 在各种微手术应用中,ML证明了它的有效性,从预后到机器人辅助.
- 由于当前研究的方法缺陷和结构障碍,广泛采用受到限制.
- 微外科医生应该采用ML技术,以保持在外科创新的最前沿.
