Fugu-MT 論文翻訳(概要): Artificial Intelligence in the Autonomous Navigation of Endovascular Interventions: A Systematic Review

論文の概要: Artificial Intelligence in the Autonomous Navigation of Endovascular Interventions: A Systematic Review

arxiv url: http://arxiv.org/abs/2405.03305v1
Date: Mon, 6 May 2024 09:28:30 GMT
ステータス: 処理完了
システム内更新日: 2024-05-07 14:15:50.995309
Title: Artificial Intelligence in the Autonomous Navigation of Endovascular Interventions: A Systematic Review
Title（参考訳）: 血管インターベンションの自律ナビゲーションにおける人工知能 : システムレビュー
Authors: Harry Robertshaw, Lennart Karstensen, Benjamin Jackson, Hadi Sadati, Kawal Rhode, Sebastien Ourselin, Alejandro Granados, Thomas C Booth,
Abstract要約: 血管内手術におけるデバイスの自動ナビゲーションは、手術時間を短縮し、手術中の意思決定を改善し、治療へのアクセスを増やしながら、手術者の放射線被曝を減らすことができる。この体系的なレビューは、自律的な血管内介入ナビゲーションにおける人工知能(AI)の影響、課題、および機会を評価するために、最近の文献を探求する。
参考スコア（独自算出の注目度）: 35.14795071114005
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Purpose: Autonomous navigation of devices in endovascular interventions can decrease operation times, improve decision-making during surgery, and reduce operator radiation exposure while increasing access to treatment. This systematic review explores recent literature to assess the impact, challenges, and opportunities artificial intelligence (AI) has for the autonomous endovascular intervention navigation. Methods: PubMed and IEEEXplore databases were queried. Eligibility criteria included studies investigating the use of AI in enabling the autonomous navigation of catheters/guidewires in endovascular interventions. Following PRISMA, articles were assessed using QUADAS-2. PROSPERO: CRD42023392259. Results: Among 462 studies, fourteen met inclusion criteria. Reinforcement learning (9/14, 64%) and learning from demonstration (7/14, 50%) were used as data-driven models for autonomous navigation. Studies predominantly utilised physical phantoms (10/14, 71%) and in silico (4/14, 29%) models. Experiments within or around the blood vessels of the heart were reported by the majority of studies (10/14, 71%), while simple non-anatomical vessel platforms were used in three studies (3/14, 21%), and the porcine liver venous system in one study. We observed that risk of bias and poor generalisability were present across studies. No procedures were performed on patients in any of the studies reviewed. Studies lacked patient selection criteria, reference standards, and reproducibility, resulting in low clinical evidence levels. Conclusions: AI's potential in autonomous endovascular navigation is promising, but in an experimental proof-of-concept stage, with a technology readiness level of 3. We highlight that reference standards with well-identified performance metrics are crucial to allow for comparisons of data-driven algorithms proposed in the years to come.
Abstract（参考訳）: 目的: 血管内手術における装置の自律ナビゲーションは, 手術時間の短縮, 手術中の意思決定の改善, 治療アクセスの増加とともに作業者への放射線被曝を低減できる。この体系的なレビューは、自律的な血管内介入ナビゲーションにおける人工知能(AI)の影響、課題、および機会を評価するために、最近の文献を探求する。メソッド:PubMedとIEEEXploreデータベースがクエリされた。資格基準には、血管内手術におけるカテーテル/ガイドワイヤの自律ナビゲーションを可能にするAIの使用に関する研究が含まれていた。 PRISMA に続いて QUADAS-2 を用いて記事の評価を行った。 CRD42023392259。結果: 462例中14例が内包基準を満たした。自律ナビゲーションのためのデータ駆動モデルとして、強化学習(9/14、64%)とデモからの学習(7/14、650%)が使用された。主に物理ファントム(10/14, 71%)とシリコ(4/14, 29%)モデルを用いている。心臓血管内および周辺の実験は, 多数研究(10/14, 71%)で報告され, 単純非解剖学的血管プラットフォームは3つの研究(3/14, 21%)で, ブタ肝静脈系は1つの研究で使用された。偏見のリスクと一般可能性の低さが研究全体で見出された。いずれの研究においても, 手術は実施されなかった。研究は患者選択基準、基準基準、再現性に欠けており、その結果、臨床証拠のレベルは低かった。結論: 自律型血管内ナビゲーションにおけるAIの可能性は有望だが、概念実証の段階では、技術準備のレベルは3.5%である。十分に識別されたパフォーマンス指標を持つ参照標準は、今後数年間に提案されるデータ駆動アルゴリズムの比較を可能にするために不可欠である、と強調する。

関連論文リスト

Artificial Intelligence-Informed Handheld Breast Ultrasound for Screening: A Systematic Review of Diagnostic Test Accuracy [0.3859048418931631]
ハンドヘルド乳房超音波(BUS)は安価な代替品であるが、かなりの訓練が必要である。人工知能(AI)により、BUSは乳がんの検出(知覚)と分類(解釈)の両方を支援できる。発見:185,000人以上の患者の570万のBUS画像がAIトレーニングや検証に使用された。
論文参考訳（メタデータ） (2024-11-11T19:31:06Z)
TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文参考訳（メタデータ） (2024-06-30T09:13:10Z)
A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文参考訳（メタデータ） (2024-05-21T06:44:40Z)
Artificial intelligence for abnormality detection in high volume neuroimaging: a systematic review and meta-analysis [0.5934394862891423]
神経画像における異常を検出する人工知能(AI)モデルを評価するほとんどの研究は、非表現的な患者コホートで試験されている。目的は、診断テストの精度を判定し、第一線高ボリュームのニューロイメージングタスクを実行するAIモデルの使用を支持する証拠を要約することであった。
論文参考訳（メタデータ） (2024-05-09T10:12:17Z)
Evaluating the Effectiveness of Artificial Intelligence in Predicting Adverse Drug Reactions among Cancer Patients: A Systematic Review and Meta-Analysis [0.0]
本研究の目的は, がん患者の薬物反応予測における人工知能モデルの性能を評価することである。がん治療におけるAIの使用は、ADRの予測に高い特異性と感度を示すモデルによって、大きな可能性を示している。しかし,証拠の質を向上させるためには,標準化された研究と多施設研究が必要である。
論文参考訳（メタデータ） (2024-04-06T11:20:28Z)
De-identification of clinical free text using natural language processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文参考訳（メタデータ） (2023-11-28T13:20:41Z)
Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文参考訳（メタデータ） (2023-07-26T02:34:57Z)
Artificial Intelligence in Ovarian Cancer Histopathology: A Systematic Review [1.832300121391956]
方法: PubMed, Scopus, Web of Science, CENTRAL, WHO-ICTRPの検索を行った。 PROBASTを用いてバイアスのリスクを評価した。 37の診断モデル、22の予後モデル、21の診断関連結果を含む80の関心モデルがあった。すべてのモデルが全体として偏見のリスクが高いか、あるいは不明確であることが判明し、ほとんどの研究は分析において偏見のリスクが高いことが判明した。
論文参考訳（メタデータ） (2023-03-31T12:26:29Z)
The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。オープンソースデータのトレーニングやテストでは,結果は異例です。データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文参考訳（メタデータ） (2021-09-14T10:59:11Z)
A Systematic Review of Natural Language Processing Applied to Radiology Reports [3.600747505433814]
本研究は, 放射線学報告に応用されたNLPの最近の文献を体系的に評価する。本研究は, 放射線学的特徴, nlp法, 性能, 研究, 臨床応用特性を含む21の変数に基づく。
論文参考訳（メタデータ） (2021-02-18T18:54:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。