对深度学习研究的全面审查揭示了耳鼻喉科-头手术中的人工智能沟

科学领域:

• 耳鼻喉科,头部和部外科 (OHNS)
• 人工智能 (AI) 是一种人工智能.
• 深度学习 (DL) 是指深度学习.

背景情况:

• 临床验证对于将AI整合到医疗保健中至关重要.
• 在OHNS中采用人工智能落后于其他医疗领域.
• 在OHNS内将人工智能研究转化为临床实践方面存在重大差距.

研究的目的:

• 在OHNS中对深度学习出版物的范围审查.
• 从1996年到2023年,分析AI在OHNS中的趋势,应用和验证阶段.
• 确定障碍,并建议AI在OHNS中的临床转化.

主要方法:

• 在 MEDLINE,EMBASE 和 Web of Science 数据库中进行系统的文献搜索.
• 纳入标准用于在OHNS中识别相关的深度学习出版物.
• 数据提取和分析出版趋势,地理分布,应用领域,人工智能模型和验证水平.

主要成果:

• 444个出版物符合纳入标准,从2012年到2022年在48个国家呈指数增长.
• 研究集中在耳科/神经科 (28%),专注于增强提供者能力 (56%),使用图像数据 (55%) 和卷积神经网络 (63%).
• 几乎所有研究 (99.3%) 都是体概念验证;没有发现临床验证,突出了"AI沟".

结论:

• 在OHNS中的深度学习研究主要是在早期,in silico阶段.
• 临床验证的严重缺乏阻碍了人工智能技术在OHNS中的转化.
• 建议包括专注于低风险的应用,遵守指南,并优先考虑临床翻译研究,以弥合"人工智能沟".