机器学习可以成为预测创伤性脑损伤后血瘤进展的可靠工具吗? 一个系统的审查和元分析

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 在创伤性脑损伤 (TBI) 中预测血瘤进展对于患者的结果至关重要.
• 及时干预和风险评估对于预防神经系统恶化和提高生存率至关重要.

研究的目的:

• 评估人工智能 (AI) 算法的性能,包括机器学习 (ML) 和深度学习 (DL),用于预测血液瘤进展风险.
• 评估AI模型的诊断准确性,使用灵敏度,特异性和AUC.

主要方法:

• 在Embase,Scopus,Web of Science和PubMed进行了系统的文献搜索.
• 对AI模型性能指标的数据被提取并进行元分析.
• 研究被选,五项符合分析的纳入标准.

主要成果:

• 分析显示,聚合灵敏度为0.76和特异性为0.84,AUC为0.88.
• XGBoost以91%的准确度展示了最高的预测性能.
• 整合放射学和临床特征显著增强了模型预测结果.

结论:

• 基于人工智能的模型显示了改善TBI患者血液瘤进展预测的巨大潜力.
• 这些模型可以支持更有效的临床决策和主动管理.
• 需要进一步的研究来标准化数据集和多样化患者群体,以提高模型可靠性.