人工智能驱动的图方法在微生物组研究中的系统综述
该综述系统梳理了微生物组研究中基于图的人工智能分析方法,将其归纳为三类主要贡献:微生物网络表征新方法、经典图分析应用、图表示学习用于预测建模;结论层面属于对领域现状的整合性描述,而非对某一干预效果的量化验证。 研究设计为系统综述,检索并归纳相关文献,提出三分法分类框架对每项研究的
该综述系统梳理了微生物组研究中基于图的人工智能分析方法,将其归纳为三类主要贡献:微生物网络表征新方法、经典图分析应用、图表示学习用于预测建模;结论层面属于对领域现状的整合性描述,而非对某一干预效果的量化验证。 研究设计为系统综述,检索并归纳相关文献,提出三分法分类框架对每项研究的
该系统评价与Meta分析提示,针对中国糖尿病患者低血糖的机器学习预测模型总体具有较好的区分度,合并AUC为0.90,但作者指出该领域仍处早期,方法学局限与验证不足普遍存在。 研究为系统评价与Meta分析,检索PubMed、Embase、Web of Science、Cochran
在常规诊疗中,将AI心电图筛查加入常规照护可提高新发低射血分数(≤50%)的检出(RR 1.36,95% CI 1.12–1.64),且未明显增加超声心动图转诊;证据档位A。 系统评价与Meta分析,方案于PROSPERO注册(CRD420261287652),检索PubMed、
结论方向:系统综述提示机器学习已广泛用于复合生物材料的性能预测与设计优化,但验证环节明显滞后于建模,证据支持“建模能力已具备、验证不足”这一判断,而非支持其临床效用。 研究设计与做法:系统综述,检索PubMed/MEDLINE与Scopus,辅以IEEE Xplore、OpenA
系统评价与Meta分析提示,人工智能与机器学习模型对髋部骨折后结局(尤其死亡)具有中等至较强的区分能力,但外部验证不一致、校准报告有限,整体尚不足以支持临床常规应用。 PRISMA依从的系统评价,已在PROSPERO注册(CRD420261414142);检索PubMed、Ovi
该系统综述提示,基于人工智能的颅面与下颌生长预测模型展现出一定预测性能,但现有证据不足以确立其优于传统统计方法,作者明确表示当前证据不支持常规临床使用。 设计为系统综述,检索9个数据库至2026年8月12日并辅以手工检索,纳入评估AI模型预测颅面或下颌生长的人体研究,共纳入12项
该叙述性综述总结神经肿瘤领域患者报告结局(PRO)与症状评估中的人工智能(AI)应用,认为整合机器学习与大语言模型可能有助于建模纵向症状轨迹、预测恶化并从自由文本中提取症状;方向为应用前景提示,证据档位为B,尚不足以下疗效或临床有效性结论。 设计为叙述性综述:检索PubMed/M
结论:Meta分析提示,机器学习模型在区分多系统萎缩(MSA)与帕金森病(PD)及其他神经退行性疾病方面具有较高的诊断准确性,合并AUC为0.93–0.94;证据档位为B,属于对已有诊断准确性研究的二次合成。 设计:系统评价与Meta分析,检索PubMed、Embase、Coch
在药物性肝损伤(DILI)预后预测中,大语言模型(Gemini-2.5 Pro、GPT-5.1)的AUROC接近高年资肝病医师,但准确度与特异度均低于医师,提示其或可作为临床医师监督下的辅助工具,尚不足以独立替代医师判断。 多中心队列研究,纳入3个中心共943例DILI患者,分内
利用入院72小时内常规电子病历数据构建的XGBoost模型可在住院早期识别衰弱患者,测试集F2-score为0.755、AUROC为0.777、召回率0.873,校准良好,提示该方法具有早期筛查潜力。 回顾性队列研究,数据来自澳大利亚皇家阿德莱德医院2023年7月至2024年12