Back to search

National and Kapodistrian University of Athens

Εφαρμογές της μηχανικής μάθησης στη χειρουργική σπονδυλικής στήλης. Ανασκόπηση βιβλιογραφίας

Abstract

dc:description

Στόχος: Η παρούσα ανασκόπηση προσπάθησε να αναγνωρίσει και να αξιολογήσει όλες τις τρέχουσες εφαρμογές της Tεχνητής Νοημοσύνης/Μηχανικής Μάθησης για τη βελτιστοποίηση της προεγχειρητικής επιλογής ασθενών, καθώς και την πρόβλεψη και τη διαχείριση μετεγχειρητικών αποτελεσμάτων και επιπλοκών στη χειρουργική σπονδυλικής στήλης. Μέθοδος: Διεξήχθη μια ολοκληρωμένη αναζήτηση σχετικών δημοσιεύσεων στις διαδικτυακές βάσεις δεδομένων Scopus, Web of Science και Google scholar χρησιμοποιώντας σχετικές λέξεις-κλειδιά για να μεγιστοποιηθεί η ευαισθησία της αναζήτησης. Δεν τέθηκαν όρια στο επίπεδο των αποδεικτικώ ν στοιχείων ή στη χρονολογία δημοσίευσης των μελετών. Τα ευρήματα επεξεργάστηκαν σύμφωνα με τις οδηγίες PRISMA. Αποτελέσματα: Μετά την εφαρμογή των κριτηρίων ένταξης και αποκλεισμού, 46 μελέτες συμπεριλήφθηκαν σε αυτήν την ανασκόπηση. Τα δίκτυα Bayes είχαν την υψηλότερη μέση τιμή AUC (0,80) και τα νευρωνικά δίκτυα είχαν την καλύτερη ακρίβεια (83,0%), ευαισθησία (81,5%) και ειδικότητα (71,8%). Τα μοντέλα προεγχειρητικού προγραμματισμού και πρόβλεψης κόστους (0,89,82,2%) και τα μοντέλα εξιτηρίου/διάρκειας παραμονής (80,78,0%) ανέφεραν σημαντικά υψηλότερη μέση AUC και ακρίβεια σε σύγκριση με τα μοντέλα πρόβλεψης επανεισόδου/επανεμφάνισης (0,67,70,2%) ( P < 0,001, P = 0,005, αντίστοιχα). Η απόδοση του μοντέλου διέφερε επίσης σημαντικά μεταξύ των εφαρμογών μετεγχειρητικής διαχείρισης για τις μέσες τιμές AUC και ακρίβειας (P <.001, P <.027, αντίστοιχα). Συμπεράσματα: Η ΤΝ/ΜΜ αποτελεί ένα δυνητικά ευεργετικό εργαλείο για τους παρόχους υγείας για τη βελτιστοποίηση της φροντίδας των ασθενών και τη βελτίωση της οικονομικής απόδοσης. Πιο συγκεκριμένα, τα μοντέλα ΤΝ/ΜΜ απέδωσαν καλύτερα, κατά μέσο όρο, στη βελτιστοποίηση της προεγχειρητικής επιλογής ασθενών και τον σχεδιασμό και την πρόβλεψη του κόστους, της εξόδου από το νοσοκομείο και της διάρκειας παραμονής. Ωστόσο, τα μοντέλα δεν ήταν τόσο ακριβή στην πρόβλεψη μετεγχειρητικών επιπλοκών, ανεπιθύμητων συμβάντων και επανεισαγωγών και επανεπεμβάσεων. Η κατανόηση των εφαρμογών που βασίζονται σε ΤΝ/ΜΜ γίνεται όλο και πιο σημαντική, ιδιαίτερα στη χειρουργική της σπονδυλικής στήλης, καθώς ο όγκος της αναφερόμενης βιβλιογραφίας, η προσβασιμότητα της τεχνολογίας και οι κλινικές εφαρμογές συνεχίζουν να επεκτείνονται γρήγορα.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Τραγάρης Θεμιστοκλής
  • Tragaris Themistoklis

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:3419499

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Τραγάρης Θεμιστοκλής; Tragaris Themistoklis. Εφαρμογές της μηχανικής μάθησης στη χειρουργική σπονδυλικής στήλης. Ανασκόπηση βιβλιογραφίας. 2024. https://pergamos.lib.uoa.gr/uoa/dl/object/3419499