DECIDE-Twin:在临床决策中使用人工智能支持的数字双胞胎的框架

科学领域:

• * 数字健康 数字健康
• * 人工智能 * 人工智能
• *临床决策支持 *临床决策支持

背景情况:

• * 支持人工智能的数字双胞胎 (DTs) 在医疗保健决策中提供了变革性的潜力.
• * 目前文献中缺乏统一的DT开发和实施框架.
• *日益增长的兴趣需要在临床环境中对人工智能驱动的虚拟模型进行结构化的方法.

研究的目的:

• *为临床决策系统地绘制AI-enabled DTs的现有知识.
• * 开发一个全面的框架来创建和部署这些先进的虚拟模型.
• * 解决医疗保健中AI-DTs统一指导的差距.

主要方法:

• * 根据既定的框架进行了范围审查 (Arksey和O'Malley,JBI).
• *搜索了多个数据库 (PubMed,Embase,IEEE Xplore) 和灰色文献,直到2023年8月.
• *采用双审稿人选和内容分析来综合发现并开发DECIDE-Twin框架.

主要成果:

• *包括从2020年起发表的11项研究 (7项评论,4项经验研究).
• *从现有框架和经验研究中确定了关键的开发步骤.
• * 综合信息以创建新的决定-双胞胎框架.

结论:

• * DECIDE-Twin框架提供了一个结构化的指南,用于在临床决策中开发和实施支持AI的DTs.
• * 这一框架可以帮助医疗保健领域的研究人员和从业人员.
• * 建议在各种临床用例中进行进一步的验证和应用.