机器学习对人类免疫缺陷病毒的预后建模的应用:范围审查的协议
Sadie Gilliland1, Lawrence Mbuagbaw2,3,4,5,6,7
1Faculty of Science McMaster University Hamilton Ontario Canada.
Health science reports
|December 31, 2025
概括
机器学习 (ML) 可以通过分析临床和心理社会数据来改善艾滋病毒的预后. 本范围审查综合了ML应用程序,用于预测疾病进展,告知治疗决策和患者护理.
科学领域:
- 人工智能的人工智能
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 据估计,有3990万人感染艾滋病毒,这给医疗保健系统带来了巨大压力.
- 机器学习 (ML) 提供数据驱动的洞察力,可以在没有明确编程的情况下提高性能.
- 艾滋病毒的预后是复杂的,受临床,流行病学和心理社会因素的影响.
研究的目的:
- 概述ML在HIV预后建模中的现有应用.
- 确定有效的ML模型类型和HIV预后的数据输入.
- 突出目前用于预测艾滋病毒疾病进展的ML技术的差距.
主要方法:
- 根据PRISMA-ScR框架进行范围审查.
- 在多个数据库 (Medline,Embase,Web of Science,Scopus,IEEE Xplore,ACM数字图书馆) 进行系统的文献搜索.
- 复制研究选择和数据提取,使用预先规定的透明度方法.
主要成果:
- 确定有效的ML模型类型用于HIV预后.
- 在HIV的ML预后模型中使用的数据输入的综合.
- 目前的ML应用在预测HIV结果 (病毒载量,CD4计数等) 的概述. ) 的情况.
结论:
- ML可以提供HIV疾病进展的快速和准确的预测.
- 结果将支持未来的ML模型的开发,以告知临床决策.
- 优化患者护理,资源配置和公共卫生对艾滋病毒流行病的反应.


