肝移植后的人工智能:对比模型性能范围的综述
Ileana Lulic1,2, Ivan Gornik3, Jadranka Pavicic Saric1
1Solid Organ Transplant Unit, Department of Anesthesiology, Intensive Care and Pain Medicine, Clinical Hospital Merkur, Zajceva 19, 10 000 Zagreb, Croatia.
Journal of clinical medicine
|February 27, 2026
概括
肝移植 (LT) 护理中的人工智能 (AI) 正在增长,主要用于临床预测. 然而,有限的外部验证和现实世界的使用阻碍了准备,需要标准化的评估以改善移植后的结果.
科学领域:
- 医疗信息学 医疗信息学
- 移植医学 移植医学
- 人工智能的人工智能
背景情况:
- 肝移植 (LT) 护理涉及复杂的术后管理.
- 人工智能 (AI) 提供了优化LT患者治疗结果的潜力.
- 描述AI应用对于临床整合至关重要.
研究的目的:
- 在LT后的护理中绘制和描述AI应用.
- 总结人工智能模型的性能,并确定研究差距.
- 评估人工智能工具对临床实施的准备程度.
主要方法:
- 根据PRISMA-ScR指南进行范围审查.
- 在2025年4月之前对电子数据库进行全面搜索.
- 在LT后的护理中包括AI的初级研究 (开发,验证,实施).
主要成果:
- 包括65项研究;报告了52项初级数据,主要是临床预测 (n=43).
- 人工智能应用专注于移植的生存,排斥,纤维化,复发和死亡率.
- 大多数研究都是回顾性,单一中心,常见的内部但罕见的外部验证.
结论:
- 在LT后的护理中,人工智能研究正在扩大,主要是用于临床预测.
- 有限的外部验证,方法异质性和稀缺的现实世界实施阻碍了临床准备.
- 标准化评估和前性整合对于利用人工智能改善移植后结果至关重要.
