人工智能模型作为转下垂体瘤手术中不良结果的预测者:诊断测试准确性审查

科学领域:

• 神经外科 神经外科
• 人工智能在医学中的应用
• 医疗信息学 医疗信息学

背景情况:

• 下垂体瘤很常见,内镜式透形手术是标准的治疗方法.
• 人工智能 (AI) 和机器学习 (ML) 提供了预测手术结果的潜力.
• 术前规划工具对于管理垂体病变手术至关重要.

研究的目的:

• 为了评估ML模型在预测手术后并发症的有效性,在垂体病变的内透形外科手术后.
• 确定最好的ML方法来预测特定的术后结果.
• 评估人工智能的适用性,以提高对下垂体瘤手术患者的护理.

主要方法:

• 在遵循PRISMA协议后进行了系统审查.
• 包含的研究是观察性或随机的,重点是垂体腺瘤手术.
• 分析了机器学习模型,以确定它们对术后结果的预测性能.

主要成果:

• 包括八篇文章,分析了糖尿病无味症和脑脊液 (CSF) 泄漏等结果.
• 评估的模型包括随机森林,神经网络,物流回归和决策树.
• 随机森林实现了曲线下的最高平均面积 (0.832),优于其他模型.

结论:

• 机器学习模型在预测下垂体手术后的术后并发症方面具有显著的适用性.
• 随机森林模型是识别患有无味糖尿病和CSF泄漏风险的患者最有效的方法.
• 人工智能和机器学习可以作为有价值的手术前规划工具,以改善手术结果.