人工智能在血管细胞中的应用:系统性审查

科学领域:

• 医疗人工智能 医疗人工智能
• 类风湿病学 类风湿病学
• 诊断的准确性 诊断的准确性

背景情况:

• 血管炎症是一种罕见的炎症状况,具有不同的临床表现,构成诊断挑战.
• 准确的诊断和预测结果对于有效管理血管炎至关重要.

研究的目的:

• 审查人工智能 (AI) 在改善血管炎的诊断和预测结果方面的应用.
• 评估AI在血管炎管理中的当前状态和未来潜力.

主要方法:

• 在主要数据库 (PubMed,Embase,Web of Science,IEEE Xplore,Scopus) 中从2000年到2024年进行系统的文献搜索.
• 根据数据类型 (临床,成像,文本) 和任务 (诊断,预测) 分类人工智能应用程序.
• 使用已建立的工具对包含的研究进行偏差风险和质量评估.

主要成果:

• 人工智能模型对川崎病的诊断性能很高 (灵敏度高达92.5%,特异性高达97.3%).
• 对诸如静脉注射免疫球蛋白耐药性等并发症的预测模型显示曲线下有希望的区域 (0.716-0.834).
• 其他血管炎类型和基于成像的AI应用程序的探索较少,通常受到小数据集的限制.

结论:

• 人工智能算法,特别是深度和机器学习模型,显示出提高血管炎诊断和预测的潜力,特别是在川崎病中.
• 更广泛的数据集,外部验证和高级模型的集成,如大型语言模型,对于在不同类型的血管炎中更广泛的临床使用至关重要.