摘要 目的：过去几年，人工智能模型预测移植后健康并发症的有效性和能力一直存在争议。在这篇系统综述中，我们评估了不同的人工智能模型在预测心肺移植后健康结果方面的表现。材料和方法：我们研究了在线数据库。我们收集并分析了人工智能在心肺移植中的应用性能指标数据。此外，我们还进行了偏倚风险评估。结果：在我们收集的 122 项初步研究中，有 15 项被纳入分析。人工智能模型表现出很高的性能，其判别指标（例如受试者工作曲线下面积）范围从 0.620 到 0.921，并且对长期结果具有良好的校准性。随机森林和极端梯度增强模型优于其他模型，尤其是传统的线性模型。北美白人是主要的子样本，儿科人群被排除在分析之外。大多数研究表明总体偏倚风险较高，而对研究问题的适用性则显示风险较低。结论：监督机器学习模型在预测移植后健康结果方面表现良好。然而，必须考虑人工智能模型在移植中的应用的偏见和伦理问题，才能得出安全的结论。