人工智能用于增强副甲状腺识别的手术内应用:叙述性综述

科学领域:

• 手术创新 在外科创新.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 在甲状腺和甲状腺外科手术中,术内副甲状腺腺的识别对于预防低血症至关重要.
• 目前的视觉识别方法有局限性,而像NIR自光和ICG这样的新技术具有的学习曲线.
• 人工智能 (AI) 具有提高副甲状腺识别准确性的潜力.

研究的目的:

• 审查人工智能应用在手术内副甲状腺识别方面的现状.
• 总结人工智能在提高识别率和减少手术后偏偏甲状腺症方面的作用.

主要方法:

• 使用关键词进行了系统的文献搜索:"人工智能"",深度学习"",手术"",副甲状腺".
• 包括11项研究,重点关注用于副甲状腺腺识别的手术内人工智能应用.
• 研究使用了各种成像技术,包括NIR自光,视觉识别和双RGB/NIR系统.

主要成果:

• 人工智能模型被应用于识别附甲状腺与周围组织之间的差异,并区分正常与异常的腺体.
• 人工智能模型的性能指标显示回忆得分为50-95%,精度得分为72-94%.
• 人工智能模型的表现优于初级外科医生,并且在腺体识别任务中表现与高级外科医生相比.

结论:

• 人工智能增强在改善不同方法的外科手术副甲状腺识别准确度方面表现有前途.
• 虽然人工智能集成尚未得到广泛应用,但它可以提高腺体的识别能力,特别是在体积较小的中心和经验较少的外科医生.
• 人工智能有潜力降低手术后甲状腺功能障碍症的发生率.