Baş-BoyunDerleme
Predicting radiation-induced xerostomia in head and neck cancer: a critical review of radiomics, machine learning and methodological quality
The Journal of Laryngology & Otology ·
Jones-Anderson N, Mill A, Rushton S, et al.
Radyoterapiye bağlı kserostominin radyomik ve makine öğrenmesiyle öngörülmesi eleştirel olarak derlendi. Yapılandırılmış bu geleneksel derlemede, kohort büyüklüğü 19 ile 1.208 hasta arasında değişen 22 çalışma incelendi ve yöntemsel kalite radyomik kalite skoruyla değerlendirildi. Delta-radyomik ve derin öğrenme yaklaşımları genellikle en güçlü öngörü performansını gösterse de geleneksel modellere göre kazanç çoğunlukla sınırlıydı. Ortalama kalite skoru 36 üzerinden 14'tü; dış doğrulama ve prospektif çalışma eksikliği en sık sınırlılıklardı. Bu yöntemler mevcut öngörü modellerine yardımcı olabilir, ancak yöntemsel sorunlar ve genellenebilirlik eksikliği rutin klinik kullanımın önünde engel oluşturuyor.
Radiomics and machine learning may serve as adjuncts to existing models for predicting radiation-induced xerostomia. This structured narrative review covered 22 studies, with cohorts of 19 to 1,208 patients. Delta-radiomics and deep learning generally performed best, although gains over conventional models were typically modest. Methodological quality was limited, with a mean Radiomics Quality Score of 14 out of 36. Limited external validation, no prospective studies, no cost-effectiveness evaluations and poor generalizability remain barriers to routine clinical use.
Yapay zekâ desteğiyle özetlendi