人工智能和机器学习成功地预测了关节缩综合征的关节镜术后的临床结果

科学领域:

• 整形外科手术 整形外科手术
• 医疗信息学 医疗信息学
• 数据科学数据科学数据科学

背景情况:

• 关节镜检查是一种常见的骨科手术.
• 预测和优化临床结果仍然是一个挑战.
• 人工智能和机器学习为改善患者护理提供了潜在的解决方案.

研究的目的:

• 在关节镜检查结果中系统地审查AI和ML的文献.
• 评估AI/ML在这个领域的预测和优化能力.

主要方法:

• 对PubMed,Cochrane和EMBASE数据库进行系统审查.
• 包括将AI/ML应用于关节透镜临床结果的研究.
• 排除仅用于成像的研究,非英语,摘要,评论和元分析.
• 由于数据异质性而导致的描述性统计分析.

主要成果:

• 十六项研究符合纳入标准,重点预测手术内发现,术后结果,患者报告的结果和修订风险.
• 共同的输入特征包括人口统计,成像,手术前的PRO和并发症.
• 监督学习模型 (逻辑回归,随机森林,SVM,ANN) 是普遍存在的.
• 模型表现出强大的预测能力 (AUC 0.66-0.94,准确度>75%).
• 应用包括预测修复手术,阿片类药物使用,满意度和恢复体育运动.
• 基于MRI的算法对手术规划有了很大的前景.

结论:

• 人工智能和机器学习具有显著的潜力,可以提高关节关节镜术中的结果预测和患者分层.
• 需要进一步研究数据集标准化,外部验证和可解释性,以帮助临床翻译.