.png){kind=icon}
返回
Artificial intelligence-enabled decision support in nephrology
.png){kind=icon}
OA
AI
DOI：10.1038/s41581-022-00562-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
肾脏病理生理学通常是复杂的，非线性的和异质性的，这限制了假设演绎推理和线性统计方法在诊断和治疗中的实用性。新出现的证据表明，人工智能 (AI) 支持的决策支持系统-使用基于学习示例的算法-可能在肾脏病学中发挥重要作用。当代人工智能应用可以在发生显著生化变化之前准确预测急性肾损伤的发作; 可以识别慢性肾脏疾病发作和进展的可改变的风险因素; 可以在影像学研究中识别肾肿瘤的准确性达到或超过人类; 并且可以增强肾脏移植后的预后和决策。未来的人工智能应用程序有可能为离散行动做出实时、连续的建议，并最大限度地实现最佳肾脏健康结果。实现人工智能应用的临床整合需要多学科的合作，以确保算法的公平性，克服临床实施的障碍，并建立一支能够胜任人工智能的员工队伍。人工智能支持的决策支持应该保持智慧和增强的优势，而不是取代人类的决策。通过将直觉与客观的预测和分类相结合，这种方法在通过经验磨练时应该有利于临床医生的直觉。新出现的证据表明，支持人工智能 (AI) 的决策支持系统可能在肾脏疾病的诊断，预后和治疗中发挥重要作用。这篇综述概述了AI的基本原理以及肾脏病学中支持AI的决策支持系统的最新技术。
Keyword:
ACUTE KIDNEY INJURY
ADVERSE DRUG EVENTS
AUTOMATED IDENTIFICATION
NEIGHBORHOOD POVERTY
DIABETIC-RETINOPATHY
HEALTH
RISK
PREDICTION
CARE
SURVEILLANCE
期刊
N
IF:
39.8
论文数:
2.2K
被引数:
1.9W
机构
引用论文
Lysine-5 Acetylation Negatively Regulates Lactate Dehydrogenase A and Is Decreased in Pancreatic Cancer.png)
Cancer Cell
OAAI
Cancer CellIF0
OAAI分享收藏The Proliferation of Reports on Clinical Scoring Systems Issues About Uptake and Clinical Utility
PREAI
分享收藏The Artificial Intelligence Clinician learns optimal treatment strategies for sepsis in intensive care人工智能临床医生学习重症监护脓毒症的最佳治疗策略NATURE MEDICINE
NATURE MEDICINEIF50
PREAI
分享收藏Electronic Health Record Training in Undergraduate Medical Education: Bridging Theory to Practice With Curricula for Empowering Patient-and RelationshipCentered Care in the Computerized SettingACADEMIC MEDICINEOAAI
ACADEMIC MEDICINEIF5.2
OAAI分享收藏Deep-learning-based real-time prediction of acute kidney injury outperforms human predictive performanceNPJ DIGITAL MEDICINEOAAI
NPJ DIGITAL MEDICINEIF15.1
OAAI分享收藏
查看更多内容