用机器学习预测乳腺重建手术结果:一个系统性审查

科学领域:

• 整形外科 整形外科 整形外科
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 人工智能 (AI) 和机器学习 (ML) 在整形手术中越来越多地用于预测患者的结果和指导决策.
• 本综述侧重于ML模型的性能,特别是在乳房重建中.

研究的目的:

• 系统地审查和评估机器学习 (ML) 预测模型在乳房重建中的性能.
• 为了比较不同ML模型和结果指标在预测手术结果方面的有效性.

主要方法:

• 进行了PubMed,Scopus和EMBASE的系统审查.
• 包括使用ML预测乳房重建结果的研究,报告模型类型和性能指标 (例如,接收器操作特征曲线下的面积).
• 统计分析包括描述性统计,多变量线性回归和元回归.

主要成果:

• 分析了14项涉及19个ML模型和11,013名患者的研究.
• 在所有模型中,接收器操作特征曲线下的中位面积为0.71.
• 预测BREAST-Q结果的模型和使用阶级不平衡缓解的模型显示歧视明显更高.

结论:

• 机器学习模型对于预测乳房重建的各种结果是有效的,包括手术并发症和患者满意度.
• 预测BREAST-Q和采用阶级失衡方法的模型显示出优越的歧视.
• 标准化报告对于未来在整形外科的ML应用至关重要,以确保可重复性并促进比较.