机构名称：
¥ 1.0
背景：随着数据，计算资源的可用性越来越多，机器学习（ML）越来越多地用于疾病检测和预测中，包括帕金森氏病（PD）。尽管每年进行了大量研究，但实际使用的ML系统很少。，缺乏外部有效性可能会导致这些系统在临床实践中的性能不佳。ML设计和报告中的其他方法论问题也可能会阻碍临床采用，即使对于将从此类数据驱动系统中受益的应用也是如此。目的：为了采样PD应用中当前的ML实践，我们对2020年和2021年发表的研究进行了系统的综述，该研究使用ML模型诊断PD或TRACK PD进展。方法：我们根据2020年1月至2021年4月之间的PubMed进行了Prisma（首选的系统审查和荟萃分析项目的首选报告项目），使用以下确切的字符串：使用以下确切的字符串：“帕金森氏症”和（“ ML”或“ ML”或“ Predictional”或“或“检测”或“人为”或“人为”或“人”或“ AI” AI II II，我们在PubMed进行了系统文献综述。搜索产生了1085个出版物。在搜索查询和审查后，我们发现了113个出版物，这些出版物将ML用于基于PD或PD相关症状的分类或基于回归的预测。结果：只有65.5％（74/113）的研究使用了持有测试集来避免潜在膨胀的准确性，而没有保留测试集的研究中，大约一半（25/46，54％）的研究并没有表明这是潜在的问题。令人惊讶的是，研究的38.9％（44/113）没有报告如何调整模型，而另外的27.4％（31/113）使用了临时模型调整，这通常在ML模型优化中皱眉。只有15％（17/113）的研究与其他模型进行了直接比较结果，严重限制了结果的解释。结论：本综述重点介绍了当前ML系统和技术的显着局限性，这些系统可能会导致研究中报告的性能与旨在检测和预测PD等疾病的ML模型的现实生活适用性之间的差距。
帕金森病的机器学习模型
主要关键词
相关文件推荐
