机器学习模型在宫癌诊断中的性能评估:系统审查和元分析
Alejandro Ramos-Casallas1, Andrés Cardona-Mendoza1, Sandra Janneth Perdomo-Lara1
1Cellular and Molecular Immunology Group, Universidad El Bosque, Bogotá, Colombia.
概括
机器学习模型在使用患者数据检测子宫癌时显示出高准确度. 这些人工智能工具有望被整合到早期诊断的查程序中.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 宫癌是全球女性死亡的主要原因之一.
- 早期诊断对于有效治疗和改善结果至关重要.
- 人工智能 (AI) 为恶性瘤检测提供了新的可能性.
研究的目的:
- 系统地审查用于宫癌检测的机器学习 (ML) 模型的诊断性能.
- 用社会人口统计,流行病学和临床数据评估ML模型.
主要方法:
- 在PubMed,Scopus和Embase数据库中进行了全面的文献搜索.
- 研究选择和偏差风险评估由两位作者独立进行.
- 用元分析和灵敏度分析来综合发现.
主要成果:
- 包括七项研究,利用ML模型确定了关键的人口和临床变量.
- 对于ML模型的聚合灵敏度为0.97 (95%CI为0.90-0.99).
- 聚合特异性为0.96 (95% CI 0.93-0.97),在敏感性分析后的结果一致.
结论:
- 机器学习模型在宫癌检测方面表现出高的诊断性能.
- 这些由人工智能驱动的工具有可能被整合到宫癌查计划中.
- 进一步验证和解决实施挑战对于临床实践的采用是必要的.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
7.4K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
