Zweck der Überprüfung Der Zweck dieser Überprüfung besteht darin, die Anwendungen der künstlichen Intelligenz zur Förderung der Forschung zu systemischer Sklerose (SSc) Haut- und Lungenerkrankungen bis 2024 zusammenzufassen. Neueste Erkenntnisse Die Anwendungen von KI in der SSc-Forschung haben sich in den letzten Jahren erheblich erweitert. Die am häufigsten identifizierte Methode der künstlichen Intelligenz war das überwachte maschinelle Lernen für prädiktive Modellierung. Überwachtes maschinelles Lernen verwendet Eingabedaten, die mit einem bekannten Ergebnis gekennzeichnet sind, um ein Modell zu trainieren, das Ergebnisse vorhersagen kann, wenn es auf neue Daten stößt. Der Einsatz von maschinell lernenunterstützter Merkmalsauswahl und Techniken zur Bedeutung von Merkmalen nach dem Training hob ebenfalls wichtige Prädiktoren innerhalb komplexer Datensätze hervor, die mögliche Mechanismen hinter heterogenen Patientenergebnissen informierten. Darüber hinaus wurden unüberwachte maschinelle Lernansätze verwendet, um Patientensubgruppen mit unterschiedlichen klinischen Verläufen zu identifizieren. Unüberwachtes maschinelles Lernen identifiziert Gruppen mit ähnlichen Eigenschaften innerhalb eines Datensatzes, ohne ein spezifisches Ergebnis zu berücksichtigen. Die digitale Bildanalyse mit Hilfe von Deep Learning wurde ebenfalls in Lungenbildgebungsstudien durchgeführt, um das Ausmaß der interstitiellen Lungenerkrankung (ILD) zu quantifizieren und die Klassifikation von ILD-Subtypen zu automatisieren, sowie die Analyse von Hautbiopsien zur Quantifizierung histologischer Veränderungen. Diese skalierbaren Werkzeuge könnten prognostische Bewertungen effizient automatisieren, um sie in Zentren mit unterschiedlicher lokaler Expertise zu nutzen. Zusammenfassung Künstliche Intelligenz stellt ein Werkzeug zur Analyse hochdimensionaler, komplexer Datensätze dar, um robuste Ergebnisse zu erzielen, selbst innerhalb relativ kleiner SSc-Kohorten. Bis heute haben durch künstliche Intelligenz gewonnene Erkenntnisse zu SSc Haut- und Lungenerkrankungen sich auf die Identifizierung von Patientensubgruppen, die Quantifizierung des Schweregrades der Erkrankung und den Aufbau prädiktiver Modelle konzentriert, um die personalisierte Patientenversorgung zu informieren.
Lakin et al. (Mi,) haben diese Frage untersucht.