机器学习和患者报告的脊椎外科手术结果的范围审查
Christian Quinones1, Deepak Kumbhare1, Bharat Guthikonda1
1Department of Neurosurgery, Louisiana State University Health Shreveport, Shreveport, LA 71103, USA.
Bioengineering (Basel, Switzerland)
|February 26, 2025
概括
机器学习可以预测脊椎手术后患者报告的结果 (PROM). 这种人工智能应用程序通过分析复杂的数据,有助于理解手术成功和改善患者护理.
科学领域:
- 人工智能和机器学习在神经外科的应用.
- 数据驱动的手术研究方法和患者结果分析.
背景情况:
- 机器学习 (ML) 越来越多地用于神经外科研究,包括脊柱手术.
- ML有助于放射性表征和预测术后结果,如并发症,恢复和疼痛.
- 患者报告结果测量 (PROM) 是至关重要的,但缺乏标准化,阻碍了跨研究的比较.
研究的目的:
- 识别和审查机器学习在脊椎手术后预测患者报告的结果措施 (PROM) 中的应用.
- 探索ML如何解决PROM标准化的挑战,并提高结果预测的准确性.
主要方法:
- 对应用机器学习来预测脊柱外科手术中PROMs的研究进行文献综述.
- 分析当前的ML技术及其在结果预测中的有效性.
- 确定常见的PROM及其应用中的挑战.
主要成果:
- 机器学习模型显示出在脊椎手术后预测各种PROM的潜力.
- 机器学习预测的准确性取决于所使用的特定PROM和数据集.
- 在标准化PROM以进行一致的ML模型培训和验证方面仍然存在挑战.
结论:
- 机器学习为使用PROMs预测脊椎手术后患者的结果提供了一个有希望的途径.
- 需要进一步的研究来标准化PROM并完善ML算法,以实现强大可靠的预测.
- ML可以增强对患者结果的解释,潜在地指导临床决策和改善外科实践.
