利用人工智能进行 COVID-19 预后：一项系统综述与荟萃分析
医学物理
2025-09-18 v1 人工智能
机器学习
摘要
目的：近年来，人工智能技术已被广泛应用于多种疾病的诊断和预后研究。本研究识别、评估并综合了关于使用人工智能进行 COVID-19 预后研究的已发表文献。方法：使用 Medline、Google Scholar、Scopus、Embase、Cochrane 和 ProQuest 进行电子检索。纳入了使用机器学习或深度学习方法，通过 CT 或胸部 X 光图像确定 COVID-19 预后的研究。计算了汇总的灵敏度、特异度、曲线下面积和诊断比值比。结果：共纳入 36 篇文章；研究了多种与预后相关的问题，包括疾病严重程度、机械通气或重症监护病房入院以及死亡率。使用了多种人工智能模型和架构，如 Siamense 模型、支持向量机、随机森林、极端梯度提升和卷积神经网络。这些模型对死亡率、严重程度评估和通气需求的灵敏度分别为 71%、88% 和 67%。上述变量的特异度分别为 69%、89% 和 89%。结论：基于所纳入的文章，使用 CT 或胸部 X 光图像的放射组学特征进行机器学习和深度学习方法进行 COVID-19 患者预后分析，可以帮助临床医生更有效地管理患者和分配资源。这些研究还表明，结合患者人口统计学数据、临床数据、实验室检测和放射组学特征可以提升模型性能。
引用
@article{arxiv.2408.00208,
title = {Prognosis of COVID-19 using Artificial Intelligence: A Systematic Review and Meta-analysis},
author = {SaeedReza Motamedian and Sadra Mohaghegh and Elham Babadi Oregani and Mahrsa Amjadi and Parnian Shobeiri and Negin Cheraghi and Niusha Solouki and Nikoo Ahmadi and Hossein Mohammad-Rahimi and Yassine Bouchareb and Arman Rahmim},
journal= {arXiv preprint arXiv:2408.00208},
year = {2025}
}