机构名称：
¥ 1.0
摘要 目的 基于人工智能 (AI) 的临床决策支持系统 (CDSS) 已被开发用于解决医疗问题和加强医疗保健管理。我们旨在回顾文献以确定 AI 算法在内科专科 CDSS 中的趋势和应用。方法 在 PubMed、IEEE Xplore 和 Scopus 中进行了范围界定审查，以确定使用深度学习、机器学习和模式识别的 AI 算法的 CDSS 相关文章。本综述综合了 CDSS 的主要目的、AI 算法的类型和算法的整体准确性。我们搜索了 2009 年至 2019 年期间以英文发表的原始研究。结果 鉴于符合纳入标准的文章数量，本综述分析并展示了 3,467 篇文章中的 218 篇的结果。这 218 篇文章与基于人工智能的内科专科 CDSS 相关：神经重症监护（n = 89）、心血管疾病（n = 79）和肿瘤内科（n = 50）。我们发现 CDSS 的主要目的是预测（48.4%）和诊断（47.1%）。最常见的五种算法包括：支持向量机（20.9%）、神经网络（14.6%）、随机森林（10.5%）、深度学习（9.2%）和决策树（8.8%）。算法的准确率范围在神经重症监护中为 61.8% 到 100%，在心血管疾病中为 61.6% 到 100%，在肿瘤内科中为 54% 到 100%。其中只有 20.1% 的算法具有人工智能的可解释性，即提供人类可以理解的解决方案的结果。结论 更多的人工智能算法应用于 CDSS，对改善临床实践具有重要意义。监督学习仍占内科 AI 应用的大多数。本研究确定了四个潜在差距：对 AI 可解释性的需求、CDSS 的普及性不足、CDSS 的目标用户范围狭窄以及医疗报告标准对 AI 的需求。
人工智能算法的范围审查......
主要关键词
相关文件推荐
