مقاله برنامه های یادگیری ماشین در جراحت مغزی آسیب زا: یک کانون توجه در TBI خفیف

چکیده

Traumatic Brain Injury (TBI) poses a significant global public health challenge, contributing to high morbidity and mortality rates and placing a substantial economic burden on healthcare systems worldwide. The diagnosis of TBI relies on clinical information along with Computed Tomography (CT) scans. Addressing the multifaceted challenges posed by TBI has seen the development of innovative, data-driven approaches, for this complex condition. Particularly noteworthy is the prevalence of mild TBI (mTBI), which constitutes the majority of TBI cases where conventional methods often fall short. As such, we review the state-of-the-art Machine Learning (ML) techniques applied to clinical information and CT scans in TBI, with a particular focus on mTBI. We categorize ML applications based on their data sources, and there is a spectrum of ML techniques used to date. Most of these techniques have primarily focused on diagnosis, with relatively few attempts at predicting the prognosis. This review may serve as a source of inspiration for future research studies aimed at improving the diagnosis of TBI using data-driven approaches and standard diagnostic data.

چکیده به فارسی (ترجمه ماشینی)

آسیب مغزی آسیب زا (TBI) یک چالش مهم بهداشت عمومی جهانی را ایجاد می کند و به عوارض بالا و میزان مرگ و میر کمک می کند و بار اقتصادی قابل توجهی را بر روی سیستم های مراقبت های بهداشتی در سراسر جهان قرار می دهد.تشخیص TBI به اطلاعات بالینی به همراه اسکن توموگرافی کامپیوتری (CT) متکی است.پرداختن به چالش های چند جانبه مطرح شده توسط TBI ، برای این شرایط پیچیده ، توسعه رویکردهای نوآورانه و داده محور را مشاهده کرده است.به ویژه قابل توجه شیوع TBI خفیف (MTBI) است ، که اکثر موارد TBI را تشکیل می دهد که روشهای معمولی اغلب کوتاه می شوند.به این ترتیب ، ما تکنیک های پیشرفته یادگیری ماشین (ML) را که برای اطلاعات بالینی و اسکن های CT در TBI اعمال می شود ، با تمرکز خاص روی MTBI بررسی می کنیم.ما برنامه های ML را بر اساس منابع داده آنها طبقه بندی می کنیم و طیف تکنیک های ML که تا به امروز استفاده می شود وجود دارد.بسیاری از این تکنیک ها در درجه اول روی تشخیص متمرکز شده اند ، با تلاش های نسبتاً کمی برای پیش بینی پیش آگهی.این بررسی ممکن است به عنوان منبع الهام بخش برای مطالعات تحقیقاتی آینده با هدف بهبود تشخیص TBI با استفاده از رویکردهای داده محور و داده های تشخیصی استاندارد باشد.