今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

综述:人工智能在罕见病诊断与预后评估中的应用现状——一项聚焦儿童人群的范围综述

《Orphanet Journal of Rare Diseases》:A scoping review and comparison of the current state of non-generative artificial intelligence in the diagnostics and prognostics of rare diseases – focusing on paediatric populations

【字体: 大 中 小 】 时间:2026年10月10日 来源:Orphanet Journal of Rare Diseases 3.6

编辑推荐:

   摘要背景罕见病患病率低且异质性大,使其在诊断和预后评估方面尤为困难。这些问题在儿童人群中更为突出,因为儿童受罕见病的影响不成比例地大。非生成式人工智能(AI)是一项强大的工具,可以帮助临床医生进行诊断、风险分层和患者亚组划分。然而,这种技术在罕见病中的应用程度,尤其是儿童罕见

  

摘要

背景

罕见病患病率低且异质性大,使其在诊断和预后评估方面尤为困难。这些问题在儿童人群中更为突出,因为儿童受罕见病的影响不成比例地大。非生成式人工智能(AI)是一项强大的工具,可以帮助临床医生进行诊断、风险分层和患者亚组划分。然而,这种技术在罕见病中的应用程度,尤其是儿童罕见病队列中的应用,尚不明确。

目的

本范围综述旨在了解人工智能技术如何被用于辅助罕见病的诊断和预后评估,重点关注其在儿童人群中的应用。

方法

使用Embase、Medline、Web of Science、IEEE Xplore和Scopus数据库检索原始文章,检索词为"('机器学习' OR '人工智能') AND ('罕见' OR '孤儿') AND ('疾病*' OR '病症*' OR '障碍*')"。

结果

共136项研究符合纳入标准,其中28项(20.6%)使用了儿童队列,研究类型多样,包括诊断(n?=?61,44.9%)、预后(n?=?39,28.7%)、分类(n?=?19,14.0%)和筛查(n?=?17,12.5%)。每项研究的参与者数量从16人到超过300万不等。基于树的模型是最常用的(n?=?62,45.6%),其次是神经网络(n?=?49,36.1%)和线性模型(n?=?46,33.9%);在儿童队列中,最常用的方法是神经网络(n?=?11,39.2%)、基于树的模型(n?=?10,35.7%)和线性模型(n?=?10,35.7%)。只有少数研究描述了预处理步骤,包括特征选择(n?=?41,30.1%)、缺失数据处理(n?=?36,19.1%)、数据清洗(n?=?44,32.4%)、数据不平衡处理(n?=?21,15.4%)和数据增强(n?=?23,16.9%)。仅有27个(19.9%)模型进行了外部验证。56项研究(41.2%)描述了临床医生的参与,但没有模型被转化为临床实践中的常规使用。

结论

人工智能在辅助罕见病诊断和预后方面的研究日益增加,但在儿童罕见病队列中的应用仍然稀缺。模型开发方法描述有限、临床医生参与不足以及缺乏外部验证,导致模型难以转化为临床实践应用。

背景

罕见病患病率低且异质性大,使其在诊断和预后评估方面尤为困难。这些问题在儿童人群中更为突出,因为儿童受罕见病的影响不成比例地大。非生成式人工智能(AI)是一项强大的工具,可以帮助临床医生进行诊断、风险分层和患者亚组划分。然而,这种技术在罕见病中的应用程度,尤其是儿童罕见病队列中的应用,尚不明确。

目的

本范围综述旨在了解人工智能技术如何被用于辅助罕见病的诊断和预后评估,重点关注其在儿童人群中的应用。

方法

使用Embase、Medline、Web of Science、IEEE Xplore和Scopus数据库检索原始文章,检索词为"('机器学习' OR '人工智能') AND ('罕见' OR '孤儿') AND ('疾病*' OR '病症*' OR '障碍*')"。

结果

共136项研究符合纳入标准,其中28项(20.6%)使用了儿童队列,研究类型多样,包括诊断(n?=?61,44.9%)、预后(n?=?39,28.7%)、分类(n?=?19,14.0%)和筛查(n?=?17,12.5%)。每项研究的参与者数量从16人到超过300万不等。基于树的模型是最常用的(n?=?62,45.6%),其次是神经网络(n?=?49,36.1%)和线性模型(n?=?46,33.9%);在儿童队列中,最常用的方法是神经网络(n?=?11,39.2%)、基于树的模型(n?=?10,35.7%)和线性模型(n?=?10,35.7%)。只有少数研究描述了预处理步骤,包括特征选择(n?=?41,30.1%)、缺失数据处理(n?=?36,19.1%)、数据清洗(n?=?44,32.4%)、数据不平衡处理(n?=?21,15.4%)和数据增强(n?=?23,16.9%)。仅有27个(19.9%)模型进行了外部验证。56项研究(41.2%)描述了临床医生的参与,但没有模型被转化为临床实践中的常规使用。

结论

人工智能在辅助罕见病诊断和预后方面的研究日益增加,但在儿童罕见病队列中的应用仍然稀缺。模型开发方法描述有限、临床医生参与不足以及缺乏外部验证,导致模型难以转化为临床实践应用。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:人工智能|罕见病|儿童|诊断预后|机器学习|临床转化

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号