Artificial Intelligence in Pediatric Surgery: A Systematic Review
eScholarship@McGill (McGill) · 01.01.2024
DOI: 10.82308/21957 ↗Kurz gefasst
Systematische Übersicht in der Zeitschrift eScholarship@McGill (McGill), erschienen am 01.01.2024. Verfasst von Mohamed O. Elahmedi.
Abstract (Originalsprache)
ContexteAu milieu d'un enthousiasme considérable entourant l'intégration de l'intelligence artificielle (IA) dans divers secteurs, les rôles significatifs de l'IA dans les écosystèmes de soins de santé multifacettes restent flous. Les premiers efforts étaient axés sur des systèmes simples basés sur des règles et des outils de stockage de données. Les progrès dans le domaine ont conduit au développement d'outils avancés d'imagerie médicale et de systèmes de soutien à la décision axés sur le raisonnement basé sur des règles. Malgré leurs limitations, ces précurseurs ont préparé le terrain pour des avancées ultérieures dans les algorithmes d'apprentissage automatique, qui ont trouvé des applications de l'imagerie médicale à la découverte de médicaments et à la médecine de précision. En chirurgie pédiatrique, l'IA a commencé à montrer des promesses en matière de planification chirurgicale et de soins aux patients. Cette thèse vise à enquêter sur les applications actuelles de l'IA en chirurgie pédiatrique.ObjectifInvestiguer l'utilisation de l'IA en chirurgie pédiatrique.MéthodesUne revue systématique conforme à la méthodologie PRISMA pour évaluer les preuves sur les modèles d'apprentissage automatique qui répondent à un besoin en chirurgie pédiatrique.RésultatsUne revue de neuf bases de données médicales a identifié un total de 8 178 références uniques, parmi lesquelles 112 études étaient éligibles pour inclusion dans la présente étude. Ces études ont porté sur 155 modèles formés à partir de données de 430 654 enfants et adolescents. La moitié des études (50 %) ont rapporté des modèles prédictifs (pour les événements indésirables [25 %], les résultats chirurgicaux [16 %] et la survie [9 %]), suivis de modèles diagnostiques (29 %) et de modèles de soutien à la décision (21 %). Les réseaux neuronaux (44 %) et les modèles d'apprentissage en ensemble (36 %) étaient les méthodes d'IA les plus couramment utilisées dans tous les domaines d'application. Les principales sous-spécialités de chirurgie pédiatrique représentées dans tous les modèles étaient la chirurgie générale (31 %) et la neurochirurgie (25 %). La précision moyenne globale était de 0,86 ± 0,10. Quarante pour cent des modèles présentaient un risque élevé de biais, et des préoccupations concernant l'applicabilité ont été identifiées dans 7 % des cas. Quarante-quatre pour cent des modèles étaient interprétables, et 6 % étaient à la fois interprétables et validés de manière externe. Cependant, aucune preuve ne suggère que l'un de ces modèles ait été adopté dans la pratique clinique.ConclusionsBien que l'IA ait de larges applications cliniques en chirurgie pédiatrique, les modèles restent des preuves de concept in-silico sans autorisation réglementaire ni intégration dans les flux de travail cliniques. Peu des modèles d'IA étudiés étaient validés de manière externe, interprétables et non biaisés. Une collaboration interdisciplinaire et diversifiée est nécessaire pour la validation externe prospective, l'élimination des biais grâce à une représentation équitable des classes minoritaires, la construction de l'interprétabilité dans l'architecture des modèles et l'intégration des modèles d'IA dans les flux de travail cliniques
Schlagwörter
Zitieren
APA
Elahmedi, M. O. (2024). Artificial Intelligence in Pediatric Surgery: A Systematic Review. eScholarship@McGill (McGill). https://doi.org/10.82308/21957
Vancouver
Elahmedi MO. Artificial Intelligence in Pediatric Surgery: A Systematic Review. eScholarship@McGill (McGill). 2024. doi:10.82308/21957
BibTeX
@article{Elahmedi2024,
author = {Elahmedi, Mohamed O.},
title = {Artificial Intelligence in Pediatric Surgery: A Systematic Review},
journal = {eScholarship@McGill (McGill)},
year = {2024},
doi = {10.82308/21957}
}
EUVIMED