人工智能和机器学习在患有退行性宫骨髓病的患者的管理中:系统性审查
Vikas N Vattipally1, Ritvik R Jillala1, Carlos A Aude1
1Department of Neurosurgery, Johns Hopkins University School of Medicine, Baltimore, MD, USA.
Journal of neurosurgical sciences
|July 30, 2025
概括
机器学习 (ML) 显示了改善诊断和预测退行性宫肌病 (DCM) 的结果的希望. 这些先进的ML工具的临床整合需要进一步验证.
科学领域:
- 神经外科 神经外科
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 退行性宫骨髓病 (DCM) 由于症状多样化和查有限,存在诊断和预后挑战.
- 机器学习 (ML) 为增强DCM诊断,决策和患者结果预测提供了潜在的解决方案.
- 需要进行系统审查,以巩固目前在DCM患者管理中的ML应用.
研究的目的:
- 系统地审查和综合机器学习 (ML) 在退行性宫肌病 (DCM) 的诊断,决策和预后中的应用.
主要方法:
- 根据PRISMA指南进行了系统审查,在2024年11月搜索了五个主要数据库.
- 包括的研究使用了DCM患者的预测ML技术,但不包括那些仅专注于神经成像的研究.
- 提取的数据包括研究重点,患者队列大小和使用的ML方法.
主要成果:
- 分析了30项涉及11,407名患者 (84%患有DCM) 的研究.
- ML主要用于预测患者的结果 (53%) 和诊断DCM (43%).
- 支持向量机器和随机森林是最常见的ML方法,ML预测优于传统统计.
结论:
- 机器学习模型代表了DCM诊断,临床决策支持和预后的重大进步.
- 在多样化,大规模的临床环境中进一步验证对于将ML发现转化为实际的患者护理至关重要.
