耳鼻喉学中的深度学习:叙述性审查
Sergio L Novi1, Nithya Navarathna1,2, Marcel D'Cruz1
1Department of Otorhinolaryngology-Head and Neck Surgery, University of Maryland School of Medicine, Baltimore.
JAMA otolaryngology-- head & neck surgery
|November 13, 2025
概括
耳鼻喉科的深度学习 (DL) 对诊断和治疗有希望,但需要更好的数据和模型透明度来实现临床整合. 对可解释的人工智能和联合学习的进一步研究可以提高对患者护理的信任和实用性.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 人工智能的人工智能
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 深度学习 (DL) 使用多层神经网络在大型数据集中进行复杂的模式识别.
- DL自主学习等级表示,在分析医疗图像和生理信号方面超过传统机器学习.
- 由于其复杂性,DL的临床整合仍然具有挑战性.
研究的目的:
- 审查DL在耳鼻喉科的最新应用.
- 提出一个框架,将DL纳入耳鼻喉科的临床实践.
- 综合DL在现场的潜力和挑战.
主要方法:
- 关于2020年至2025年间发表在耳鼻喉学中DL的327项原始研究的叙述性综述.
- 文章被分为检测/诊断,预测/预报,图像细分和新兴应用.
- 分析的重点是诊断性能,预后能力和细分精度.
主要成果:
- DL模型在识别鼻癌 (92%),喉瘤 (86%) 和耳腔病理 (>95%) 方面表现出高准确度.
- 应用包括生存分层,复发预测,解剖区域划分,助听器优化和手术仪器跟踪.
- 概念验证研究表明DL的表现与专家临床医生相美.
结论:
- DL具有显著的潜力,可以提高诊断准确性,预测患者的结果,并指导耳鼻喉科的手术内手术程序.
- 广泛采用需要高质量,具有代表性的数据集,缓解算法偏差和强大的模型解释性.
- 像联合学习和可解释性这样的新兴框架可以促进临床医生的信任,并确保DL工具有意义地为患者护理做出贡献.
相关概念视频
01:16Anatomy of the Ear
Auditory sensation, commonly called hearing, involves the transformation of sonic waves into neural impulses facilitated by the structures of the auditory organ. The prominent, flesh-like structure on the side of the head, called the auricle, directs sound waves towards the auditory canal. The auricle is often mislabeled as the pinna, a term more aligned with mobile structures like a feline's external ear. The auditory canal penetrates the cranium via the external auditory meatus of the...
01:29Suctioning the Nasopharyngeal Airway
Nasopharyngeal suctioning is a procedure to remove secretions from the upper part of the respiratory tract that the patient cannot clear independently. It helps maintain airway patency and prevents complications such as aspiration pneumonia.
Equipment Required
Equipment Required