Предсказать, диагностировать и лечить хроническую болезнь почек с помощью машинного обучения: систематический обзор литературы

Цели: В этом систематическом обзоре мы оценили, как искусственный интеллект, включая методы машинного обучения, применялся для прогнозирования, диагностики и лечения хронической болезни почек. Мы систематически проанализировали имеющиеся данные об этих инновационных технологиях для улучшения диагностики хронической болезни почек и ведения пациентов.Методы: Были включены англоязычные исследования, найденные в PubMed. Поэтому обзор следует классифицировать как экспресс-обзор, поскольку он основан только на одной базе данных и имеет языковые ограничения; новизна и значимость темы делают маловероятным пропуск релевантных работ. Мы извлекли 16 переменных, включая основную цель, изучаемую популяцию, источник данных, размер выборки, тип задачи (регрессия, классификация), использованные предикторы и показатели качества. Мы следовали требованиям PRISMA; все основные этапы выполнялись в двух экземплярах.Результаты: Из 648 первоначально найденных исследований 68 статей соответствовали критериям включения. По данным авторов, модели работали хорошо, однако используемые показатели различались между статьями, поэтому прямое сравнение было невозможно. Наиболее частой целью было прогнозирование прогноза, затем — диагностика хронической болезни почек. Обобщаемость алгоритмов и проверка на разнородных популяциях учитывались редко. Кроме того, были рассмотрены клиническая оценка и валидация моделей/алгоритмов; лишь небольшая часть включенных исследований — 6 из 68 — была выполнена в клиническом контексте.Выводы: Машинное обучение — перспективный инструмент для прогнозирования риска, диагностики и ведения терапии у пациентов с хронической болезнью почек. Однако для безопасного применения таких технологий в рутинной клинической практике необходимы дальнейшие исследования, направленные на интерпретируемость, обобщаемость и справедливость моделей.