Upotreba mašinskog učenja u istraživanju osteoartritisa: sistematski pregled literature.
RMD open
Sažetak istraživanja
Cilj
Cilj ovog sistematskog pregleda literature bio je da pruži sveobuhvatan i iscrpan pregled upotrebe mašinskog učenja (ML) u kliničkoj njezi osteoartritisa (OA).
Metode Sistematski pregled literature obavljen je u julu 2021. koristeći MEDLINE PubMed s ključnim riječima i MeSH terminima. Za svaki odabrani članak prikupljen je broj pacijenata, korišteni ML algoritmi, vrsta analiziranih podataka, metode validacije i dostupnost podataka.
Rezultati Od 1148 pregledanih članaka, 46 je odabrano i analizirano; većina je objavljena nakon 2017. Dvanaest članaka se odnosilo na dijagnozu, 7 na predviđanje, 4 na fenotipizaciju, 12 na ozbiljnost i 11 na progresiju. Broj uključenih pacijenata kretao se od 18 do 5749. Sveukupno, 35% članaka opisuje upotrebu dubokog učenja, a 74% analize slika. Ukupno 85% članaka uključivalo je OA koljena i 15% OA kuka. Nijedna studija nije istraživala OA šake. Većina studija uključivala je istu kohortu, s podacima iz inicijative OA opisanim u 46% članaka i MOST i kohorti kuka i kohorte kohorte u 11% i 7%. Podaci i izvorni kodovi opisani su kao javno dostupni u 54% odnosno 22% članaka. Eksterna validacija je data u samo 7% članaka.
Zaključak Ovaj pregled predlaže ažuriran pregled ML pristupa koji se koriste u kliničkom istraživanju OA i pomoći će da se poboljša njegova primjena u ovoj oblasti.
Prikaži originalni naslov i sažetak na engleskom
Use of machine learning in osteoarthritis research: a systematic literature review.
Objective The aim of this systematic literature review was to provide a comprehensive and exhaustive overview of the use of machine learning (ML) in the clinical care of osteoarthritis (OA).
Methods A systematic literature review was performed in July 2021 using MEDLINE PubMed with key words and MeSH terms. For each selected article, the number of patients, ML algorithms used, type of data analysed, validation methods and data availability were collected.
Results From 1148 screened articles, 46 were selected and analysed; most were published after 2017. Twelve articles were related to diagnosis, 7 to prediction, 4 to phenotyping, 12 to severity and 11 to progression. The number of patients included ranged from 18 to 5749. Overall, 35% of the articles described the use of deep learning And 74% imaging analyses. A total of 85% of the articles involved knee OA and 15% hip OA. No study investigated hand OA. Most of the studies involved the same cohort, with data from the OA initiative described in 46% of the articles and the MOST and Cohort Hip and Cohort Knee cohorts in 11% and 7%. Data and source codes were described as publicly available respectively in 54% and 22% of the articles. External validation was provided in only 7% of the articles.
Conclusion This review proposes an up-to-date overview of ML approaches used in clinical OA research and will help to enhance its application in this field.
Izvorni podaci
- DOI
- 10.1136/rmdopen-2021-001998
- PMID
- 35296530
- PMCID
- PMC8928401
- Provjereno
- 2026-07-26
Naslov i sažetak prevedeni su automatski i prijevod može sadržavati netačnosti ili neprecizne stručne izraze. Za sve detalje, citiranje i medicinsko tumačenje pregledajte originalnu englesku verziju članka. Ne donosite zdravstvene odluke samo na osnovu ovog prijevoda.
Pregledaj originalni članak na engleskom