同行评议开放获取肺结核艾滋病
Artificial intelligence and machine learning applications in abdominal tuberculosis diagnosis: A scoping review and translational roadmap
Artificial Intelligence in Gastroenterology·
- DOI
- 10.35712/aig.123751
- PMID
- —
- PMCID
- —
- OpenAlex
- W7166723993
- 研究类型
- Systematic review
- 出版商
- Baishideng Publishing Group Inc.
- 文章类型
- journal-article
- 完整性状态
- current
为何这项研究现在值得关注
相关计算技术具备提升资源受限地区鉴别诊断准确性的潜力，未来亟需在多样化人群中开展前瞻性验证，并与现行检测流程深度融合以扩大受益面。
01
结构化证据摘要
研究问题
旨在系统梳理人工智能与机器学习技术在腹部结核鉴别诊断中的现有研究进展，并为其在临床环境中的公平转化提供路径规划。
研究设计
采用符合国际报告规范的范畴综述设计，通过多数据库检索获取文献，由双人独立完成筛选与数据提取，并借助改良版预测模型偏倚评估工具进行质量控制。
人群与场景
纳入文献主要覆盖中国及其他地区，研究对象集中于疑似或确诊腹部结核及克罗恩病的个体，但整体地域来源呈现高度集中特征。
主要发现
多数纳入研究利用影像组学、内镜深度学习及多模态算法区分肠道结核与克罗恩病，判别效能指标介于零点八至零点九六之间。多模态与可解释性架构表现突出，但当前成果未涉及疾病管理环节。
公共卫生意义
相关计算技术具备提升资源受限地区鉴别诊断准确性的潜力，未来亟需在多样化人群中开展前瞻性验证，并与现行检测流程深度融合以扩大受益面。
重要局限
现有证据过度依赖复合参考标准，病例规模普遍较小，且对免疫缺陷状态及耐药表型的考量不足，地域代表性欠缺削弱了结果的广泛适用性。
GIDS 解读
该文献为特定计算工具在结核病辅助识别领域的研究演进提供了结构化背景，有助于理解相关技术在不同医疗场景下的部署语境，但不构成对实时监测数据的直接印证。
02
相关 GIDS 监测
文献背景不会验证、解释或改变监测信号；精确关系与背景关系会分开展示。
03
证据关系
本文与疾病、地区、主题及研究设计之间有 8 条可审计分类关系。
about diseaseaddresses topicaddresses topicaddresses topicevaluates interventionevaluates interventionstudied population settinguses study design