机器学习用于甲状腺癌检测,转移的存在和复发预测 - - 一个范围广泛的综述

科学领域:

• 内分泌学 在内分泌学.
• 在瘤学瘤学.
• 医疗信息学 医疗信息学

背景情况:

• 甲状腺癌 (TC) 是一种常见的内分泌恶性瘤,早期检测至关重要.
• 传统的TC诊断方法有其局限性.
• 机器学习 (ML) 有潜力通过增强的预测和风险分层来改善TC患者的护理.

研究的目的:

• 在甲状腺癌研究中对ML应用进行范围审查.
• 将有关ML使用的现有文献与TC的临床数据和电子医疗记录 (EMR) 进行映射.
• 确定在TC中ML的趋势,挑战和未来方向.

主要方法:

• 系统地搜索和分析科学文献.
• 选了1231篇论文,评估了203篇全文文章,并选择了21篇相关研究.
• 将ML应用分类为恶性瘤预测,转移预测和复发/生存预测.

主要成果:

• 在TC中确定了关键的ML应用,包括结节分类和恶性瘤预测.
• 审查了关于预测来自TC的其他转移的研究.
• 检查了ML在TC患者复发和生存预测中的作用.
• 综合了ML驱动的TC研究趋势和挑战的研究结果.

结论:

• 在甲状腺癌的诊断准确性,风险分层和预后预测方面,ML显示出显著的潜力.
• 需要进一步的研究,以加强ML的临床整合,用于TC的精密医学.
• ML可以通过减少错误和改善结果来改变甲状腺癌患者的护理.