机器学习在膝关节关节炎进展中的预测价值:系统审查和元分析
Yanwen Liu1, Guangzhi Xiao1, Youqun Zhang1
1Department of Clinical Immunology, Xijing Hospital, Fourth Military Medical University, No.127 Changle West Road, Xi'an, 710032, China, 86 13572435012.
Journal of medical Internet research
|December 30, 2025
概括
机器学习 (ML) 在预测膝关节骨关节炎 (KOA) 进展方面表现有前途,基于MRI的模型显示出更高的准确性. 然而,不一致的定义和验证策略需要谨慎和进一步的研究,以获得可靠的临床应用.
科学领域:
- 整形外科 整形外科 整形外科
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 机器学习 (ML) 正在探索用于预测膝关节骨关节炎 (KOA) 的进展.
- 现有的关于ML对KOA进展预测有效性的系统证据是有限的,阻碍了精确的预防策略.
研究的目的:
- 在预测KOA进展方面系统地审查ML应用.
- 评估ML准确性,并将其预测性能与传统方法和深度学习进行比较.
主要方法:
- 在主要数据库 (Embase,科学网,PubMed,Cochrane图书馆) 进行了系统的文献搜索,遵循PRISMA指南.
- 研究选择,数据提取和偏差风险评估由两个研究人员独立进行.
- 分析的重点是一致性指数 (C指数) 和诊断表,根据模型类型,变量和KOA进展定义进行子组分析.
主要成果:
- 包括32项研究,研究之间存在不同的偏差风险.
- 聚合的C指数表明预测能力,基于MRI的模型 (C指数=0.798) 和组合MRI+临床特征 (C指数=0.806) 显示出强大的表现.
- 使用逻辑回归的基于临床特征的模型与其他ML模型相比性能更好;传统的ML和深度学习在基于图像的模型中显示出更高的准确性.
结论:
- 机器学习模型具有预测KOA进展的歧视力,但由于异质性,必须谨慎解释结果.
- 在KOA进展定义和验证方法的变化影响模型可靠性.
- 未来的研究应该标准化定义,提高方法严谨性,并实施外部验证,以加强临床翻译.
