人工智能模型的性能,以实时预测手术期间的手术内并发症:系统审查和元分析协议
Romain Bronnert1, Guillaume Besch2, Olivier Hild3
1Université Marie & Louis Pasteur, CHU Besançon, SINERGIES (UR4662), Inserm CIC 1431, Département d'Anesthésie-Réanimation Chirurgicale, F-25000 Besançon, France romain.bronnert@hotmail.fr.
BMJ open
|October 21, 2025
概括
本综述评估了人工智能 (AI) 模型用于预测手术内并发症. 它评估了人工智能.
科学领域:
- 医疗信息学 医疗信息学
- 外科手术的安全性
- 医疗保健中的机器学习
背景情况:
- 术后并发症显著增加了患者的发病率和死亡率.
- 目前的手术前风险得分是静态的,不能适应实时手术事件.
- 人工智能 (AI) 提供了实时预测手术内并发症的潜力.
研究的目的:
- 评估人工智能模型在预测手术内并发症方面的表现.
- 分析AI使用基线和实时患者数据进行预测的能力.
主要方法:
- 按照PRISMA和BMJ的指导方针进行系统审查.
- 在MEDLINE,Embase,CENTRAL,IEEE Xplore和谷歌学者中搜索到2025年3月.
- 包括人工智能模型预测手术内或手术后的并发症;使用CHARMS检查表和PROBAST+AI工具评估性能.
主要成果:
- 将提取和分析人工智能模型的性能指标.
- 偏差风险将使用PROBAST+AI工具进行评估.
- 如果数据允许,将进行元分析.
结论:
- 人工智能模型在实时预测手术内并发症方面表现有前途.
- 需要进一步的研究来验证AI在不同外科设置中的性能.
- 人工智能集成可以提高手术安全性和患者的治疗结果.
