Title: | Artificial Intelligence in Neurosurgery |
Other Titles: | Mākslīgais intelekts neiroķirurģijā |
Authors: | Kaspars Auslands Suchet Kaur Dhillon Medicīnas fakultāte Faculty of Medicine |
Keywords: | mugurkaula operācijas;mākslīgais intelekts;mākslīgais intelekts;jutīgums;specifiskums;Spinal surgeries;artificial intelligence;AI;sensitivity;specificity |
Issue Date: | 2024 |
Publisher: | Rīgas Stradiņa universitāte Rīga Stradiņš University |
Abstract: | KOPSAVILKUMS
Ievads:
Mākslīgā intelekta (AI) izmantošana var palīdzēt diagnosticēt un ārstēt mugurkaula slimības.
Metodes:
3 datubāzēs tika meklēta literatūra par mākslīgā intelekta izmantošanu mugurkaula ķirurģijā. Pētījumi tika iedalīti pirmsoperācijas, intraoperācijas un pēcoperācijas pētījumos. Atzinumi tika apkopoti, izmantojot nejaušo efektu kopsavilkuma darbības uztveršanas raksturlīknes.
Rezultāti:
Analizētajos 64 pētījumos pirmsoperācijas, intraoperācijas un pēcoperācijas aprūpei tika konstatēta attiecīgi 44 %, 11 % un 13 % metapieredze. Pirmsoperācijas gadījumā AI modeļu apvienotais jutīgums bija 80,1 % (95 % IK - 73,1 % līdz 85,6 %) un apvienotais specifiskums - 80,4 % (95 % IK - 72,8 % līdz 86,3 %). Intraoperācijas laikā AI modeļu apvienotais jutīgums bija 84,2 % (95 % KI - 73,2 % līdz 91,3 %) un apvienotais specifiskums bija 97,8 % (95 % KI - 90 % līdz 99,5 %). Pēcoperācijas gadījumā AI modeļu apvienotais jutīgums bija 77 % (95 % KI - 64,7 % līdz 86 %) un apvienotais specifiskums bija 92,5 % (95 % KI - 85,8 % līdz 96,2 %).
Secinājumi:
Lai gan AI ir lielāks potenciāls mugurkaula ķirurģijā, joprojām pastāv bažas par drošību un pierādījumu kvalitāti.
Atslēgas vārdi:
mugurkaula operācijas, mākslīgais intelekts, mākslīgais intelekts, jutīgums, specifiskums ABSTRACT Introduction: The use of Artificial Intelligence (AI) can assist in diagnosing and treatment of spinal diseases. Methods: 3 databases were searched for literature on the application of AI in the spine surgery. The studies were divided into preoperative, intraoperative, and postoperative types. The findings were summarized using random-effects summary receiver operating characteristic curve. Results: In the 64 analyzed studies, a meta-prevalence of 44%, 11% and 13% was observed for preoperative, intraoperative, and postoperative care, respectively. For, preoperative, the pooled sensitivity of AI models was 80.1% (95% CI – 73.1% to 85.6%) and pooled specificity was 80.4% (95% CI – 72.8% to 86.3%). For, intraoperative, the pooled sensitivity of AI models was 84.2% (95% CI – 73.2% to 91.3%) and pooled specificity was 97.8% (95% CI – 90% to 99.5%). For postoperative, the pooled sensitivity of AI models was 77% (95% CI – 64.7% to 86%) and pooled specificity was 92.5% (95% CI – 85.8% to 96.2%). Conclusions: Although AI has increased potential in spine surgery, concerns remain regarding safety and quality of evidence. Keywords: Spinal surgeries, artificial intelligence, AI, sensitivity, specificity |
Description: | Medicīna Medicine Veselības aprūpe Health Care |
Appears in Collections: | Studējošo pētnieciskie darbi |
Files in This Item:
File | Size | Format | |
---|---|---|---|
Medicinas_fakultate_SSNMF_2024_Suchet_Kaur_Dhillon_037687.pdf | 1.19 MB | Adobe PDF | View/Open Request a copy![]() |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.