Efikasnost veštačke inteligencije za personalizovanu medicinu u neoplazmi: sistematski pregled.
BioMed research international
Sažetak istraživanja
Svrha Tehnike umjetne inteligencije (AI) koriste se u preciznoj medicini za istraživanje novih podataka o genotipovima i fenotipovima. Glavni ciljevi precizne medicine uključuju ranu dijagnozu, skrining i personalizirani režim liječenja za pacijenta na osnovu genetski orijentiranih karakteristika i karakteristika. Glavni cilj ove studije bio je da se pregledaju tehnike AI i njihova efikasnost u preciznoj medicini neoplazme. Materijali i metode Sveobuhvatna pretraga je obavljena u bazama podataka Medline (putem PubMed), Scopus, ISI Web of Science, IEEE Xplore, Embase i Cochrane od početka do 29. decembra 2021., kako bi se identificirale studije koje su koristile AI metode za preciznu medicinu raka i procijenile rezultate modela.
Rezultati Šezdeset i tri studije uključene su u ovaj sistematski pregled. Glavni pristupi AI u 17 radova (26,9%) bile su linearne i nelinearne kategorije (slučajna šuma ili stabla odluka), au 21 citatu korišteni su sistemi zasnovani na pravilima i modeli dubokog učenja. Značajno je da je 62% članaka napravljeno u Sjedinjenim Državama i Kini. R paket je bio najčešći softver, a karcinom dojke i pluća su bile najodabranije neoplazme u novinama. Od 63 rada, u 34 članka, genomski podaci kao što su ekspresija gena, podaci o somatskim mutacijama, podaci o fenotipu i proteomika sa odgovorom na lijekove koji su funkcionalni podaci korišteni su kao ulazni podaci u AI metodama; u 16 radova (25,3%) odgovor na lek, funkcionalni podaci su korišćeni u personalizaciji tretmana. Maksimalne vrijednosti indikatora procjene kao što su tačnost, osjetljivost, specifičnost, preciznost, pamćenje i površina ispod krive (AUC) u uključenim studijama bile su 0,99, 1,00, 0,96, 0,98, 0,99 i 0,9929, respektivno.
Zaključak Nalazi su pokazali da je u mnogim slučajevima upotreba metoda umjetne inteligencije imala efikasnu primjenu u personaliziranoj medicini.
Prikaži originalni naslov i sažetak na engleskom
Effectiveness of Artificial Intelligence for Personalized Medicine in Neoplasms: A Systematic Review.
Purpose Artificial intelligence (AI) techniques are used in precision medicine to explore novel genotypes and phenotypes data. The main aims of precision medicine include early diagnosis, screening, and personalized treatment regime for a patient based on genetic-oriented features and characteristics. The main objective of this study was to review AI techniques and their effectiveness in neoplasm precision medicine. Materials and methods A comprehensive search was performed in Medline (through PubMed), Scopus, ISI Web of Science, IEEE Xplore, Embase, and Cochrane databases from inception to December 29, 2021, in order to identify the studies that used AI methods for cancer precision medicine and evaluate outcomes of the models.
Results Sixty-three studies were included in this systematic review. The main AI approaches in 17 papers (26.9%) were linear and nonlinear categories (random forest or decision trees), and in 21 citations, rule-based systems and deep learning models were used. Notably, 62% of the articles were done in the United States and China. R package was the most frequent software, and breast and lung cancer were the most selected neoplasms in the papers. Out of 63 papers, in 34 articles, genomic data like gene expression, somatic mutation data, phenotype data, and proteomics with drug-response which is functional data was used as input in AI methods; in 16 papers' (25.3%) drug response, functional data was utilized in personalization of treatment. The maximum values of the assessment indicators such as accuracy, sensitivity, specificity, precision, recall, and area under the curve (AUC) in included studies were 0.99, 1.00, 0.96, 0.98, 0.99, and 0.9929, respectively.
Conclusion The findings showed that in many cases, the use of artificial intelligence methods had effective application in personalized medicine.
Izvorni podaci
- DOI
- 10.1155/2022/7842566
- PMID
- 35434134
- PMCID
- PMC9010213
- 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