评估机器学习在脊柱形管理中的实用性和挑战:系统性审查
Jibran A Khan1, Abdelrafour Houdane1, Amro Hajja1
1Alfaisal University College of Medicine, Riyadh, Saudi Arabia.
Spine
|February 20, 2025
概括
机器学习 (ML) 在诊断和治疗脊椎病管理方面表现有前途,但样本规模小和缺乏验证等挑战阻碍了广泛采用. 需要进一步的多中心研究才能有效实施.
科学领域:
- 整形外科和脊椎外科手术
- 医学成像和诊断 医学成像和诊断
- 医疗保健中的人工智能
背景情况:
- 机器学习 (ML) 正在改变医学研究,特别是在脊椎病管理方面.
- ML使得可自动评估的诊断,疾病进展和治疗反应在脊椎病患者.
研究的目的:
- 系统地审查机器学习 (ML) 在脊柱脊椎病管理中的应用.
- 识别和解决在脊椎病实践中实施ML的局限性和挑战.
主要方法:
- 根据PRISMA指南进行了系统的文献审查.
- 在PubMed,Embase和Google Scholar中进行了搜索,寻找自2019年以来发表的利用ML在脊椎病管理中的研究.
- 数据提取侧重于研究设计,ML模型实用性,架构,开发,验证和报告的限制.
主要成果:
- 该综述包括63篇文章,主要关注青少年异常学脊椎病 (n=48).
- 机器学习应用包括诊断/分类 (n=38),手术结果 (n=11),预后 (n=7) 和风险评估 (n=7).
- 卷积神经网络是最常用的模型 (n=38);然而,只有16项研究报告了外部验证,没有一个在实践中实施了他们的模型. 常见的局限性包括小样本大小,潜在偏见和缺乏外部验证.
结论:
- 机器学习在脊柱形脊柱病管理方面是有前途的,有可能提高诊断和治疗优化.
- 必须克服重大挑战,包括需要进行更大规模的多中心研究和强有力的验证.
- 有效的实施策略至关重要,以充分实现ML在临床脊椎病实践中的好处.
