通过人工智能和机器学习改变肝脏移植分配:系统性审查
Lisiane Pruinelli1,2, Kiruthika Balakrishnan3, Sisi Ma4,5
1Department of Family, Community and Health Systems Science, University of Florida, Gainesville, Florida, US. lisianepruinelli@ufl.edu.
BMC medical informatics and decision making
|February 25, 2025
概括
机器学习和人工智能通过专注于实用性和生存结果来改善肝移植 (LT) 分配的前景. 然而,目前的模型迫切需要改进,并对器官的最佳分布进行好处评估.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 移植手术 移植手术
背景情况:
- 器官分配决策以紧迫性,实用性和利益原则为指导.
- 肝移植 (LT) 的分配目前严重依赖于基于紧急情况的模型.
- 现有的模型可能无法完全捕捉最佳器官分布的复杂性.
研究的目的:
- 识别和分析用于机器学习 (ML) 和人工智能 (AI) 的数据元素.
- 检查数据源及其对LT分配中的紧迫性,实用性或利益的关注.
- 评估ML/AI应用在优化LT决策中的当前状态.
主要方法:
- 在Ovid Medline和Scopus (2002年 - 2023年6月) 进行了全面的文献搜索.
- 包括使用ML/AI对LT候选人,捐赠者或接受者的定量研究.
- 根据两个独立审查员的PRISMA指南进行数据提取和资格评估.
主要成果:
- 包括20篇论文,分为五个主题.
- ML/AI模型主要侧重于捐赠者-接受者匹配和预测LT后的存活率.
- 研究强调了ML/AI的潜力,但与MELD相比,研究指出了与移植相关的益处模型和紧急性评估的局限性.
结论:
- 人工智能和机器学习为提高LT分配和患者治疗结果提供了显著的潜力.
- 有进展,但需要改进紧急和移植相关的效益模型.
- 未来的研究应该关注模型的解释性和通用性,以便更好地分配器官和预测存活率.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
08:54Functional Human Liver Preservation and Recovery by Means of Subnormothermic Machine Perfusion
Published on: April 27, 2015
16.8K
