机构名称：
¥ 2.0
摘要中耳炎 (OM) 主要影响儿童，是全球重大的健康问题，全球每年估计有 3.6 亿例儿童病例。OM 会导致轻度和中度传导性听力损失，这可能会使幼儿致残，特别是在大脑快速生长的前三年，导致言语和语言发育不良、沟通能力差以及入学时更加脆弱。因此，OM 增加了全球全因听力损失的负担。本系统评价旨在在 OM 背景下对预先训练的人工智能 (AI) 模型进行全面评估，包括经典机器学习 (ML) 和深度学习 (DL)。本评价提出了六个研究问题，并总结了多个领域的研究主体，包括用于训练和测试模型的源材料的多样性和数量，包括耳镜图像、视频和鼓室测量，以及用于评估实时环境中质量和有效性的方法。此外，本综述旨在深入了解人工智能在改善中耳炎诊断方面的影响和潜力，并阐明现有的挑战，例如模型的可解释性、有限的医学专家参与以及知识发现和未解答问题的需要，包括该领域中耳炎诊断的不断发展。本系统综述的结果强调了开发更具可解释性的人工智能模型的重要性，这些模型结合了鼓膜的静态图像和视频记录（具有多帧），以最大限度地提高模型的灵敏度和特异性。此外，需要与消费者和多个专业的医疗专业人员（全科医生、儿科医生、听力学家和耳鼻喉 (ENT) 外科医生）合作，以确保这些诊断数字支持系统在现实世界的医疗保健环境中的适用性和可信度。
人工智能推动的中耳炎诊断进展：系统评价
主要关键词
相关文件推荐
