机器学习影像模型预测颈椎术后功能恢复、并发症、邻近节段病与融合状态的系统综述

人工智能 2026-11-17 20 阅读

European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society · 2026-11-15 · 综述

  • 一句话结论:结论:机器学习影像模型在预测颈椎术后神经功能恢复与并发症风险方面提示有应用前景,但现有证据多为内部验证、偏倚风险偏高,尚不足以下结论支持常规临床整合。
  • 研究设计与做法:设计:遵循PRISMA 2020的系统综述;检索PubMed与Scopus(建库至2025年11月)英文文献,初检117条记录,最终纳入2021—2025年发表的16项研究,采用PROBAST评估偏倚风险并作叙述性综合。
  • 主要结果:结果:16项研究中功能或神经恢复预测7项、术后并发症4项、邻近节段退变或疾病2项、利用或生物力学恢复指标2项、融合状态评估1项;样本量47至945例;多数仅做内部验证并报告区分度指标,PROBAST评价多为高偏倚风险或风险不明确,主要集中于分析域。
  • 机制或解释:机制:作者未就具体预测机制展开讨论,仅指出传统预后方法依赖人口学、临床与定性影像因素,难以充分捕捉现代影像中的高维复杂信息,机器学习影像模型可弥补这一不足。
  • 局限与边界:局限:纳入研究普遍缺乏外部验证,影像流程与建模报告不统一,校准度与临床效用报告不足;综述本身受检索语言(仅英文)与数据库范围限制,未做定量合并。
  • 可否落地:落地:证据档位B,属提示性证据。对科研提示需优先开展严格外部验证、标准化影像工作流并规范报告校准度与临床效用;对临床,现阶段不宜据此将模型用于常规术前风险分层。

🔗 打开原文

Gould J, Patel S, Rosenberg J 等


本文摘自《每日前沿研究简报 · 2026-11-17》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

评论 共 0 条

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部