预测中风的机器学习技术:对算法,数据集和区域差距的系统审查
Afeez Adekunle Soladoye1, Nicholas Aderinto2, Mayowa Racheal Popoola3
1Department of Computer Engineering, Federal University Oye-Ekiti, Ekiti, Nigeria.
International journal of medical informatics
|July 12, 2025
概括
机器学习 (ML) 对中风预测有希望,但高风险人群代表性不足. 未来的研究需要专注于为不同患者群体开发和验证ML模型,以提高临床效用.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
背景情况:
- 脑卒中是全球主要的死亡和残疾原因,每年影响1500万人.
- 机器学习 (ML) 为早期中风风险识别提供了数据驱动的方法.
- 需要对ML在中风预测中的临床实用性进行系统评估.
研究的目的:
- 系统地审查用于中风预测的ML技术.
- 综合性能指标,临床适用性和研究趋势.
- 在ML研究中分析患者人口统计和中风患病率模式.
主要方法:
- 在遵守PRISMA指南的基础上进行系统审查.
- 在五个数据库中搜索了基于ML的中风预测研究 (2013-2024年).
- 提取了有关方法,数据集,指标,目标,来源,人口统计和流行情况的数据;使用了描述性综合.
主要成果:
- 包括58项研究,在2021年出版的峰值.
- 主要目标:中风发生率 (62.7%),结果预测 (22.9%) 和类型分类 (14.4%).
- 电子健康记录 (57.8%) 和成像 (25.3%) 是关键数据来源;整体方法 (90.4-97.8%) 和深度学习显示高准确度. 非洲人口的代表性不足.
结论:
- ML技术显示了对中风预测的潜力.
- 在高风险人群代表性和临床验证方面存在重大差距.
- 未来的研究应该专注于特定人群的模型和临床实施.
