超越结果预测的机器学习应用在整形和重建外科手术中:对诊断,手术内和工作流程优化模型的系统审查
Abdulkreem Al-Juhani1,2, Faisal Alzahrani3, Omer Altamımı4
1Forensic Medicine, Forensic Medicine Center, Jeddah, SAU.
Cureus
|November 19, 2025
概括
机器学习 (ML) 在预测整形手术结果方面表现有前途,达到高准确度. 然而,由于缺乏外部验证等方法方面的局限性,阻碍了临床使用.
科学领域:
- 整形和重建外科手术 整形和重建手术
- 医疗信息学医学信息学
- 机器学习应用程序 机器学习应用程序
背景情况:
- 整形外科的临床决策越来越依赖于数据.
- 机器学习 (ML) 为预测外科手术结果提供了先进的能力.
- 传统的统计模型的准确性正在被ML所超越.
研究的目的:
- 系统地评估在整形和重建外科手术中ML应用的范围,有效性和方法质量.
- 分析ML在特定领域的使用,如烧伤治疗,微手术重建和乳腺手术.
- 识别基于机器学习的预测模型中的趋势和局限性.
主要方法:
- 按照PRISMA 2020标准进行系统审查.
- 从2015年1月到2025年3月的研究中搜索了四个数据库.
- 包括使用ML进行结果预测的研究,使用可量化的绩效指标.
- 使用CHARMS和PROBAST工具进行数据提取和偏差评估.
主要成果:
- 包括11项研究,涉及超过34,000名患者.
- 随机森林,神经网络和梯度增强是普遍存在的,AUC> 0.90.
- 大多数研究缺乏外部验证,并报告了有限的校准和数据透明度.
- 大多数研究都有高或中等偏差风险.
结论:
- 机器学习模型在整形外科手术中显示出显著的预测准确性.
- 方法上的缺陷,特别是外部验证不足,阻碍了临床实施.
- 未来的研究应侧重于外部验证,可重复性和安全整合到实践中的伦理考虑.
