ОТОЗВАННАЯ СТАТЬЯ: Искусственный интеллект в диагностике заболеваний: систематический обзор литературы, синтезирующая концептуальная основа и перспективная повестка научных исследований
RETRACTED ARTICLE: Artificial intelligence in disease diagnosis: a systematic literature review, synthesizing framework and future research agenda
2022-01-12
SCID: 54.1/dy28tgp3
Discuss with AI
искусственный интеллектглубокое обучениедиагностика заболеваниймедицинская визуализациясистематический обзор литературы
Figures from the paper
Abstract (AI)
Искусственный интеллект может оказывать помощь медицинским работникам в различных аспектах оказания медицинской помощи и функционирования интеллектуальных систем здравоохранения. Методы искусственного интеллекта — от машинного обучения до глубокого обучения — широко применяются в здравоохранении для диагностики заболеваний, разработки лекарственных препаратов и выявления риска для пациентов. Для точной диагностики заболеваний с использованием методов искусственного интеллекта необходимы многочисленные источники медицинских данных, такие как ультразвуковое исследование, магнитно-резонансная томография, маммография, геномные данные, компьютерная томография и т. д. Кроме того, искусственный интеллект в первую очередь улучшил пребывание пациентов в стационаре и ускорил их подготовку к продолжению реабилитации на дому. В статье представлен всесторонний обзор методов искусственного интеллекта для диагностики различных заболеваний, включая болезнь Альцгеймера, рак, сахарный диабет, хронические заболевания сердца, туберкулёз, инсульт и цереброваскулярные заболевания, гипертонию, кожные и заболевания печени. Проведён расширенный обзор, охватывающий использованные наборы данных медицинских изображений, а также процессы извлечения признаков и классификации для прогнозирования. Для отбора статей, опубликованных до октября 2020 года в базах Web of Science, Scopus, Google Scholar, PubMed, Excerpta Medical Database и Psychology Information, применялись рекомендации Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) для раннего прогнозирования различных видов заболеваний с использованием методов на основе искусственного интеллекта. На основе анализа различных статей по диагностике заболеваний результаты также сопоставлены по ряду показателей качества, таких как доля правильных прогнозов, точность, чувствительность, специфичность, площадь под кривой, precision, recall и F1-score.
Key Findings
1
Согласно рекомендациям PRISMA, были отобраны статьи, опубликованные до октября 2020 года, из шести крупных библиографических баз данных.
2
Диагностические исследования сравниваются по показателям частоты правильных прогнозов, точности, чувствительности, специфичности, площади под кривой, precision, recall и F1-мере.
3
В статье систематически рассматриваются методы искусственного интеллекта для диагностики болезни Альцгеймера, рака, диабета, сердечно-сосудистых заболеваний, туберкулёза, инсульта, гипертонии, кожных и печёночных заболеваний.
4
Обзор охватывает различные источники медицинских данных, включая ультразвуковые изображения, МРТ, маммографию, геномные данные и КТ, а также процедуры выделения признаков и классификации.
5
Обзор объединяет существующие результаты в единую структуру и определяет направления дальнейших исследований применения ИИ для диагностики заболеваний.
Research Object
Методы искусственного интеллекта для диагностики заболеваний (машинное обучение и глубокое обучение, применяемые к медицинским изображениям и медицинским данным)
Research Subject
Диагностическая эффективность и возможности прогнозирования при различных заболеваниях, типах данных, извлечении признаков, классификации и оценочных метриках
Publication Details
Publication Date
2022-01-12
Journal
Publisher
ISSN
Cited by
1036
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai1
Работы, цитирующие эту статью3
Этические и нормативно-правовые проблемы технологий искусственного интеллекта в здравоохранении: нарративный обзор2024
Влияние цифровых технологий искусственного интеллекта на качество жизни с глобальной перспективой2023
Прослеживаемость и защита от контрафакта в агропродовольственных цепочках поставок: обзор технологий RFID, IoT, блокчейна и искусственного интеллекта2026