机器学习对耳植入物功能结果的预测:系统性审查
Jonathan T Mo1, Davis S Chong1, Cynthia Sun1
1University of California, Davis School of Medicine, Sacramento, California, USA.
Ear and hearing
|January 29, 2025
概括
机器学习 (ML) 模型通过分析复杂的数据来预测耳植入物 (CI) 用户的结果. 然而,对于临床使用,需要改进报告和验证.
科学领域:
- 医疗信息学 医疗信息学
- 生物医学工程 生物医学工程
- 听觉神经科学 听觉神经科学
背景情况:
- 预测耳植入物 (CI) 用户的结果是复杂的,因为个体的变化.
- 机器学习 (ML) 为这些预测提供了先进的分析能力.
研究的目的:
- 系统地审查 ML 模型,预测 CI 功能结果 (声音感知和产生).
- 分析ML模型的优点,弱点和关键预测特征.
- 在CI研究和临床实践中建议ML的未来方向.
主要方法:
- 在多个数据库中进行系统的文献搜索 (开始-2024年9月).
- 包括16项研究,包括5058名儿科和成人CI使用者.
- 提取关于参与者的数据,CI特征,ML模型和性能指标.
主要成果:
- 机器学习模型预测了声音的产生,感知和语言结果.
- 关键预测因素包括人口,听觉,成像和患者报告的数据.
- 最佳模型准确度在71.0%至98.83%之间,使用了各种ML方法.
结论:
- 机器学习模型显示了CI结果的高预测性能.
- 报告不足和不清楚的过拟合限制了当前的临床适用性.
- 标准化报告和强大的验证对于未来的临床采用至关重要.
