人工智能和机器学习技术用于预测癌症患者的神经病痛:系统性审查

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 疼痛医学 医学 疼痛医学

背景情况:

• 神经病痛 (NP) 是癌症患者的一种复杂并发症,通常是手术,化疗或放射治疗等治疗的结果.
• 早期预测NP对于及时干预至关重要,但目前的方法往往是反应性和主观的.

研究的目的:

• 系统地审查人工智能 (AI) 和机器学习 (ML) 的应用,以预测NP和瘤学中的相关结果.
• 评估模型性能,确定关键预测因素,并突出AI/ML在NP预测中的局限性.

主要方法:

• 根据PRISMA 2020指南进行了系统审查.
• 搜索涵盖了主要的数据库 (PubMed,EMBASE,科学网,IEEE Xplore,谷歌学者) 来搜索2020年1月至2025年2月的研究.
• 14项研究符合PICOS标准;偏差风险使用QUADAS-2和PROBAST进行了评估.

主要成果:

• 监督的ML模型如随机森林 (AUC高达0.94) 和深度学习是普遍存在的,主要是来自高收入国家的乳腺癌研究.
• 关键预测因素包括术后疼痛,焦虑,手术类型和生物标志物 (例如,斯芬甘氨-1-酸盐).
• 多模式数据整合优于单模式方法,但只有14%的研究使用外部验证,5%评估校准.

结论:

• 人工智能和机器学习为改善癌症护理中的NP预测提供了巨大的潜力.
• 目前的方法限制,包括校准差,外部验证低,缺乏可解释性,阻碍了临床采用.
• 未来的进步需要标准化,可解释的人工智能 (XAI) 和多样化的数据集.