应用人工智能模型预防手术并发症:对临床准备和实施障碍的范围审查

科学领域:

• * 生物医学信息学
• * 临床决策支持系统
• * 手术安全和质量改善.

背景情况:

• *手术并发症对患者,医疗保健提供者和系统产生重大影响.
• *尽管人工智能 (AI) 取得了进展,但实时数据集成用于主动预防手术并发症是有限的.
• * 在未来实施人工智能用于手术决策和降低风险方面存在差距.

研究的目的:

• *审查和分析人工智能模型的采用和应用,以预防手术并发症.
• * 确定影响这些人工智能模型的床边实施的障碍和促进因素.

主要方法:

• * 根据PRISMA-ScR指南进行全面的范围审查.
• * 在11个主要数据库 (IEEE Xplore,Scopus,Web of Science等) 进行文献搜索. 从2013年1月开始到2025年1月.
• *包括在现实环境中对人工智能的实证,同行评审研究,以预防手术并发症 (感染,心脏,肺,中风);排除追溯算法验证和非实证研究.

主要成果:

• * 19项研究符合纳入标准,显示了人工智能模型的高技术准确性 (灵敏度,AUC),特别是决策支持工具.
• *人工智能模型的常规临床采用仍然很低.
• *临床医生对人工智能模型有用性的看法在很大程度上是积极的,尽管采用挑战仍然存在.

结论:

• *人工智能模型显示出预测和预防手术并发症的巨大潜力,因为它们的准确性很高.
• *实施障碍包括可用性问题,工作流集成挑战,信任缺陷和财务/道德问题.
• *未来的研究需要前性验证,探索各种生理特征,并直接与临床医生就概括性和采用问题进行接触.