人工智能和机器学习在门诊外科的应用 - - 一个系统的审查

科学领域:

• 医疗信息学 医疗信息学
• 手术技术 手术技术
• 机器学习应用 机器学习应用

背景情况:

• 人工智能 (AI) 技术越来越多地被探索,以优化在门诊外科设置中的患者护理.
• 进行了系统审查,以了解当前AI应用在该领域的现状.

研究的目的:

• 系统地审查和综合人工智能 (AI) 技术的应用,特别针对门诊外科患者.
• 确定人工智能在门诊手术中使用的关键主题,方法和结果.

主要方法:

• 在主要数据库中进行了系统的文献搜索:PubMed,Scopus,Web of Science和EBSCOhost,涵盖了2015年至2025年的出版物.
• 如果在门诊外科患者群体中使用人工智能技术,则将研究纳入.

主要成果:

• 在26项确定的研究中,25项采用机器学习 (ML),重点关注骨科手术 (65.3%).
• 关键的应用主题包括手术前患者选择 (例如,随机森林,XGBoost),当天出院预测 (整体模型显示高AUC),术后管理 (例如,预测阿片类药物补充需求) 和成本预测 (整体模型优于单个模型).
• 大多数研究起源于美国,常见的ML算法包括随机森林,极端梯度提升和人工神经网络.

结论:

• 机器学习,特别是组合方法,显示出增强门诊外科手术的巨大潜力.
• 确定的挑战包括模型不一致性,与数据相关的问题,以及需要强大的外部验证以确保可概括性和可靠性.
• 进一步开发和验证对于人工智能在门诊外科护理中的广泛临床整合至关重要.