人工智能可以优化侵袭性角膜病的早期诊断吗? 一个系统的审查和元分析
Hugo Almeida1,2,3, Beatriz Rodríguez-Alonso1,2,3, Montserrat Alonso-Sardón2,3,4
1Servicio de Medicina Interna, Unidad de Enfermedades Infecciosas, Hospital Universitario de Salamanca, 37007 Salamanca, Spain.
Journal of fungi (Basel, Switzerland)
|February 26, 2026
概括
人工智能 (AI) 模型对在高风险患者中早期检测入侵性角膜炎有前途. 虽然证明了中等的诊断准确性,但需要进一步验证临床使用.
科学领域:
- 医疗信息学 医疗信息学
- 传染性疾病 传染性疾病
- 机器学习 机器学习
背景情况:
- 在免疫功能低下的患者中,早期诊断侵袭性候群病是困难的.
- 人工智能 (AI) 提供了改善临床决策的潜力.
研究的目的:
- 系统地审查和元分析基于人工智能的预测模型,以便早期识别入侵性*Candida*感染.
- 评估当前人工智能模型的诊断准确性和局限性.
主要方法:
- 在PROSPERO注册的AI模型对侵入性角膜炎的系统审查和元分析.
- 搜索了多个数据库对住院免疫受损患者的研究.
- 对候选血病预测模型的双变随机效应元分析.
主要成果:
- 八项研究符合纳入标准;模型使用了各种预测因素的回顾性数据.
- 对候选血症预测的聚合灵敏度为81.3%,特异性为81.6%.
- 高负预测值,适度的积极预测值;偏差风险中等至高;证据确定性低.
结论:
- 人工智能模型以中等的准确性展示了早期候选血病识别的潜力.
- 这些模型可以作为决策支持工具.
- 在常规临床采用之前,多中心前性验证至关重要.
