人工智能和机器学习改造多囊卵巢综合征检测_综合

这一结论来自美国国立卫生研究院(NIH)最近进行的一项研究，研究人员系统地分析了已发表的科学作品，利用AI/ML仔细检查数据，以诊断和分类多囊卵巢综合征。

她表示，人工智能和机器学习在检测多囊卵巢综合征方面的有效性超出了他们最初的预期。

为什么女性会得多囊症?

多囊卵巢综合征是由卵巢功能不正常引起的，通常伴有睾丸激素水平升高。这种情况会导致月经周期不规律、痤疮、面部或体毛过多以及头发稀疏。

此外，患有多囊卵巢综合征的女性患2型糖尿病以及各种睡眠、心理、心血管和生殖疾病(包括子宫癌和不孕症)的风险更高。

该研究的资深作者斯坎德·谢卡尔(Skand Shekhar)博士指出，由于多囊卵巢综合征与其他疾病重叠，因此在诊断方面存在挑战。他强调了将人工智能/机器学习整合到电子健康记录和临床环境中的潜力，以加强对多囊卵巢综合征妇女的诊断和护理。

该研究的作者建议将广泛的基于人群的研究与电子健康数据结合起来，并分析常见的实验室测试，以确定有助于多囊卵巢综合征诊断的敏感生物标志物。

多囊卵巢综合征的诊断依赖于既定的标准化标准，包括临床特征(如痤疮、毛发生长过多和月经不规律)以及实验室(如血睾酮升高)和放射学结果(如卵巢超声检测到的多个小囊肿和卵巢体积增大)。

然而，由于多囊卵巢综合征的一些特征可能与肥胖、糖尿病和心脏代谢紊乱等其他疾病同时发生，因此它通常不会被发现。

人工智能指的是利用基于计算机的系统来模拟人类的智能，并帮助做出决策或预测。ML是AI的一个子集，专注于从过去的事件中学习，并将这些知识应用于未来的决策。人工智能擅长处理广泛而多样的数据，包括来自电子健康记录的数据，这对于诊断多囊卵巢综合征等具有挑战性的疾病非常宝贵。

它可以在以下方面提供帮助:

研究人员对过去25年(1997-2022年)发表的利用AI/ML检测PCOS的同行评议研究进行了全面回顾。在一位经验丰富的NIH图书管理员的协助下，他们确定了潜在的合格研究，最终筛选了135项研究，并将31项纳入他们的分析。

所有的研究都是观察性的，评估了人工智能/机器学习技术在患者诊断中的应用，其中大约一半的研究结合了超声图像。研究参与者的平均年龄为29岁。

在采用PCOS标准化诊断标准的10项研究中，检测准确率从80%到90%不等。

Skand Shekhar博士强调了这项研究的关键发现，强调了人工智能/机器学习在各种诊断和分类方法中检测PCOS的卓越性能。

作者强调了基于人工智能/机器学习的项目的潜力，可以显著提高我们在早期阶段识别女性多囊卵巢综合征的能力，从而节省成本，减轻多囊卵巢综合征对患者和医疗系统的总体负担。

他们还指出，具有严格验证和测试协议的后续研究将促进人工智能/机器学习对慢性健康状况的无缝整合。

通过将最先进的技术与坚定的人类承诺相结合，多囊卵巢综合征的诊断和治疗并不容易尼泊尔笼罩在不确定性之中，但将例外地得到照亮绝对的清晰和准确。

参考:

机器学习与人工智能在多囊卵巢综合征诊断与分类中的应用综述——(https: www.frontiersin.org/articles/10.3389/fendo.2023.1106625/full)

来源:Medindia

资讯来源：http://invips.com/news/56697/