使用人工智能预测中度和重度创伤性脑损伤后的结果:一个系统性审查

科学领域:

• 人工智能在医学中的应用
• 神经科学是一个神经科学.
• 临床预后 临床预后

背景情况:

• 临床人工智能研究的方法标准定义不佳,阻碍了人工智能模型转化为临床实践.
• 对中度至重度创伤性脑损伤 (TBI) 的预后不确定性很高,需要可靠的预测方法.
• 现有的用于预测TBI结果的AI研究需要对其方法质量进行严格的评估.

研究的目的:

• 系统地审查和识别基于人工智能的方法,用于预测中度至重度TBI的结果.
• 使用APPRAISE-AI工具评估TBI中现有的AI研究的方法质量.
• 确定与TBIAI研究中更高的方法质量相关的因素.

主要方法:

• 对基于人工智能预测中度至重度TBI的结果的系统文献综述.
• 使用APPRAISE-AI工具对方法质量的定量评估.
• 分析了39项涉及592,323名TBI患者的研究.

主要成果:

• 确定了39项关于人工智能用于TBI结果预测的研究.
• 最弱的方法领域包括行为 (35%),稳定性 (20%) 和可重复性 (35%).
• 较高的APPRISE-AI分数与更高的期刊影响因子,更大的样本规模,最近的出版物和来自高收入国家的数据相关.

结论:

• 目前用于TBI结果预测的AI方法具有显著的方法限制,特别是在行为,稳定性和可重复性方面.
• 人工智能模型主要是通过来自高收入国家的数据进行训练和验证,这引发了人们对概括性和需要多样化的数据集的担忧.
• 尽管APPRAISE-AI工具很有用,但需要对其测量特性进行进一步评估.