机器学习在肩膀关节整形术中:对预测分析应用程序的系统审查
Tim Schneller1, Moritz Kraus1,2, Jan Schätz1,3
1Department for Shoulder and Elbow Surgery, Schulthess Clinic, Zurich, Switzerland.
Bone & joint open
|February 3, 2025
概括
机器学习 (ML) 通过改善手术决策和患者的治疗结果,显示出全面肩膀关节整形术 (TSA) 的前景. 需要进一步的研究来解决模型的透明度和广泛临床使用的通用性.
科学领域:
- 整形外科手术 整形外科手术
- 医疗人工智能的人工智能
背景情况:
- 机器学习 (ML) 在全肩关节整形术 (TSA) 中提供了潜在的进步.
- 优化TSA涉及改善患者的治疗结果和手术决策.
- 在TSA中的ML应用是一个新兴的研究领域.
研究的目的:
- 系统地审查和识别TSA中使用的ML算法.
- 评估ML算法在预测临床结果和分析图像方面的有效性.
- 评估目前在TSA中ML应用的现状.
主要方法:
- 我们对PubMed,EMBASE和Cochrane控制试验中央注册表进行了系统的搜索.
- 研究基于数据集特征,子专业,ML算法和性能结果进行了分析.
- 适用资格标准来选择相关的文章进行审查.
主要成果:
- 25篇文章符合资格标准,其中60%使用表格数据,40%使用图像数据.
- 16项研究开发了新的ML模型,而9项研究使用了转移学习.
- 三个模型经过了外部验证,ML算法通常表现得相当好.
结论:
- 机器学习算法显示了提高TSA精度和患者结果预测的潜力.
- 在TSA中广泛的ML临床整合受到模型透明度和通用性缺乏的挑战.
- 未来的研究应该专注于提高模型的透明度和通用性,以最大限度地提高ML在TSA中的好处.
