Прогностическое моделирование и принятие решений в хирургии позвоночника на основе искусственного интеллекта с использованием гибридных моделей машинного обучения

Системы здравоохранения во всем мире генерируют огромные объемы данных из множества различных источников. Несмотря на высокую сложность для человека, крайне важно выявлять закономерности и незначительные вариации в геномных, радиологических, лабораторных и клинических данных, которые надежно различают фенотипы или обеспечивают высокую точность прогнозирования при решении медицинских задач. Сверточные нейронные сети (CNN) все чаще применяются к изображениям для решения различных задач. Их использование для не визуализируемых данных стало возможным благодаря современным методам машинного обучения, преобразующим такие данные в изображения перед их подачей в модель CNN. Поскольку медицинские работники при принятии решений не используют исключительно один тип данных, данный подход открывает возможности для создания моделей с несколькими входами и смешанными данными, в которых для обучения гибридной модели глубокого обучения объединяется информация о пациенте, включая геномные, радиологические и клинические данные. Таким образом, этот подход отражает основную характеристику искусственного интеллекта — моделирование естественного поведения человека. В настоящем обзоре рассматриваются ключевые достижения в области машинного и глубокого обучения, обеспечивающие многоперспективное распознавание закономерностей во всем массиве информации о пациентах, проходящих хирургическое лечение позвоночника. Насколько нам известно, это первый обзор искусственного интеллекта, посвященный гибридным моделям для применения глубокого обучения в хирургии позвоночника. Это особенно важно, поскольку маловероятно, что будущие инструменты будут использовать только один тип данных. Обсуждаемые методы могут стать основой нового подхода к принятию решений в хирургии позвоночника, основанного на трех фундаментальных принципах: (1) индивидуализация для конкретного пациента, (2) управление с использованием искусственного интеллекта и (3) интеграция мультимодальных данных. Результаты свидетельствуют о наличии перспективных исследований, уже проведенных для разработки гибридных моделей поддержки принятия решений с несколькими входами и смешанными данными. Поэтому их внедрение в хирургию позвоночника может быть лишь вопросом времени.