了解机器学习在肺移植中的应用:叙述审查
Bieke Vercauteren1,2, Balin Özsoy1,3,4, Jasper Gielen2
1Department of Chronic Diseases and Metabolism, Laboratory of Respiratory Diseases and Thoracic Surgery (BREATHE), KU Leuven, Leuven, Belgium.
概括
机器学习 (ML) 可以通过分析器官分配的复杂数据和预测患者的结果来改善肺移植 (LTx) 的结果. 克服数据挑战是将ML纳入临床实践的关键.
科学领域:
- 移植研究 移植研究
- 医疗信息学医学信息学
- 医学中的人工智能
背景情况:
- 肺移植 (LTx) 对末期肺病至关重要,但面临着供体稀缺和移植失败等挑战.
- 机器学习 (ML) 通过分析复杂的数据来提供潜在的解决方案,以发现洞察力和增强结果.
研究的目的:
- 审查肺移植中的机器学习研究.
- 解释ML方法及其在LTx中的应用.
- 突出ML在改善LTx结果方面的潜力和挑战.
主要方法:
- 对LTx中ML应用的现有文献的审查.
- 解释各种ML技术,包括支持向量机器,深度学习,随机森林和转移学习.
- 讨论ML在分析多omics数据和成像中的作用.
主要成果:
- 在器官分配和预测LTx结果方面,ML显示出希望.
- 特定的ML技术对于风险分层和提高可解释性是有效的.
- 转移学习有助于在有限的数据场景中开发模型.
- ML越来越多地用于多omics和成像诊断.
结论:
- 临床采用障碍包括小型数据集,数据不一致,解释性差,缺乏验证等.
- 未来的进展取决于多中心合作,透明的方法和临床工作流集成.
- ML应该增强,而不是取代临床判断,以改善LTx结果.
