人工智能在预测疾病相关营养不良中的作用 - - 叙述性综述

科学领域:

• 临床营养学 临床营养学
• 医疗信息学 医疗信息学
• 医疗保健中的人工智能

背景情况:

• 疾病相关营养不良 (DRM) 影响30-50%的住院患者,导致并发症增加和医疗费用增加.
• 目前用于DRM检测的手动方法往往不准确和低效,导致诊断不足.
• 需要先进的工具来改善DRM的识别和管理.

研究的目的:

• 审查人工智能 (AI),机器学习 (ML) 和深度学习 (DL) 在 DRM 预测和管理中的应用.
• 评估DRM各种AI模型的临床实用性,好处和缺点.
• 探索人工智能工具与电子健康记录的整合,以实时进行患者管理.

主要方法:

• 对DRM的ML和DL模型现有文献进行叙述性审查.
• 检查这些AI模型的临床适用性,优势和局限性.
• 分析如何将人工智能集成到电子健康记录中可以自动化风险检测和优化管理.

主要成果:

• ML和DL模型显示了对DRM患者的精确营养状况评估和并发症预测的巨大潜力.
• 人工智能有助于加强临床决策和更有效地分配资源.
• 实施挑战包括需要大型标准化数据集和与现有医疗保健系统无集成.

结论:

• 人工智能为临床环境中主动DRM管理提供了一个有希望的途径.
• 跨学科的合作对于解决实施障碍和最大限度地提高人工智能对患者护理的好处至关重要.
• 人工智能驱动的解决方案可以改善患者的治疗结果,并减少与DRM相关的医疗负担.