ترجمه فارسی مقاله پیش‌بینی کووید-19 با استفاده از هوش مصنوعی: یک مرور سیستماتیک و متاآنالیز

چکیده

Purpose: Artificial intelligence (AI) techniques have been extensively utilized for diagnosing and prognosis of several diseases in recent years. This study identifies, appraises and synthesizes published studies on the use of AI for the prognosis of COVID-19. Method: Electronic search was performed using Medline, Google Scholar, Scopus, Embase, Cochrane and ProQuest. Studies that examined machine learning or deep learning methods to determine the prognosis of COVID-19 using CT or chest X-ray images were included. Polled sensitivity, specificity area under the curve and diagnostic odds ratio were calculated. Result: A total of 36 articles were included; various prognosis-related issues, including disease severity, mechanical ventilation or admission to the intensive care unit and mortality, were investigated. Several AI models and architectures were employed, such as the Siamense model, support vector machine, Random Forest , eXtreme Gradient Boosting, and convolutional neural networks. The models achieved 71%, 88% and 67% sensitivity for mortality, severity assessment and need for ventilation, respectively. The specificity of 69%, 89% and 89% were reported for the aforementioned variables. Conclusion: Based on the included articles, machine learning and deep learning methods used for the prognosis of COVID-19 patients using radiomic features from CT or CXR images can help clinicians manage patients and allocate resources more effectively. These studies also demonstrate that combining patient demographic, clinical data, laboratory tests and radiomic features improves model performances.

چکیده به فارسی (ترجمه ماشینی)

هدف: تکنیک های هوش مصنوعی (AI) برای تشخیص و پیش آگهی چندین بیماری در سالهای اخیر به طور گسترده مورد استفاده قرار گرفته است.این مطالعه مطالعات منتشر شده در مورد استفاده از هوش مصنوعی برای پیش آگهی COVID-19 را مشخص ، ارزیابی و سنتز می کند.روش: جستجوی الکترونیکی با استفاده از Medline ، Google Scholar ، Scopus ، Embase ، Cochrane و ProQuest انجام شد.مطالعاتی که یادگیری ماشین یا روشهای یادگیری عمیق را برای تعیین پیش آگهی COVID-19 با استفاده از تصاویر CT یا اشعه ایکس قفسه سینه مورد بررسی قرار داده اند.حساسیت نظرسنجی ، مساحت ویژگی در زیر منحنی و نسبت شانس تشخیصی محاسبه شد.نتیجه: در مجموع 36 مقاله گنجانده شده است.موضوعات مختلف مربوط به پیش آگهی ، از جمله شدت بیماری ، تهویه مکانیکی یا پذیرش در بخش مراقبت های ویژه و مرگ و میر ، مورد بررسی قرار گرفت.چندین مدل و معماری هوش مصنوعی مانند مدل سیامنس ، دستگاه بردار پشتیبانی ، جنگل تصادفی ، تقویت شیب شدید و شبکه های عصبی حلقوی استفاده شد.این مدل ها به ترتیب 71 ٪ ، 88 ٪ و 67 ٪ حساسیت برای مرگ و میر ، ارزیابی شدت و نیاز به تهویه به دست آوردند.ویژگی 69 ٪ ، 89 ٪ و 89 ٪ برای متغیرهای فوق گزارش شده است.نتیجه گیری: بر اساس مقالات موجود ، یادگیری ماشین و روشهای یادگیری عمیق که برای پیش آگهی بیماران COVID-19 با استفاده از ویژگی های رادیویی از تصاویر CT یا CXR استفاده می شود ، می تواند به پزشکان کمک کند تا بیماران را مدیریت کرده و منابع را به طور مؤثر تخصیص دهند.این مطالعات همچنین نشان می دهد که ترکیب جمعیت شناختی بیمار ، داده های بالینی ، آزمایشات آزمایشگاهی و ویژگی های رادیویی عملکرد مدل را بهبود می بخشد.