鼻科における医療データサイエンス。背景と臨床医への示唆

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Am J Otolaryngol.2020 Jul;41(6):102627. S0196-0709(20)30321-5. doi: 10.1016/j.amjoto.2020.102627.Epub 2020-07-02.

鼻科における医療データサイエンス。背景と臨床医への示唆

Medical data science in rhinology: Background and implications for clinicians.

Young Joon Jun
Joonho Jung
Heung-Man Lee

PMID: 32682191 DOI: 10.1016/j.amjoto.2020.102627.

抄録

背景:

ビッグデータの重要な課題は、有用な臨床情報を提供するために複雑な情報ネットワークを利用することである。最近では、機械学習、特にディープラーニングによって、臨床現場での急速な進歩が可能になっている。鼻科における人工知能（AI）と機械学習（ML）の応用は、ますます関連性の高いトピックとなっています。

BACKGROUND: An important challenge of big data is using complex information networks to provide useful clinical information. Recently, machine learning, and particularly deep learning, has enabled rapid advances in clinical practice. The application of artificial intelligence (AI) and machine learning (ML) in rhinology is an increasingly relevant topic.

目的:

我々は、文献をレビューし、鼻科学に適用されるAIとMLの最近の進歩の詳細な概要を提供する。また、これらの手法を臨床目的で実装し、受容する上での課題と同様に、この研究の大きな利点についても議論する。

PURPOSE: We review the literature and provide a detailed overview of the recent advances in AI and ML as applied to rhinology. Also, we discuss both the significant benefits of this work as well as the challenges in the implementation and acceptance of these methods for clinical purposes.

方法:

我々は、PubMed、Scopus、Google検索に基づいて、鼻科領域におけるAIとMLの利用に関する公開研究を特定し、説明することを目的とした。検索文字列は「nasal OR respiratory AND artificial intelligence OR machine learning」とした。研究のほとんどは、アレルギー性鼻炎、慢性鼻炎、コンピュータ断層撮影スキャン、鼻腔細胞診などの副鼻腔放射線学の分野を対象としていた。

METHODS: We aimed to identify and explain published studies on the use of AI and ML in rhinology based on PubMed, Scopus, and Google searches. The search string "nasal OR respiratory AND artificial intelligence OR machine learning" was used. Most of the studies covered areas of paranasal sinuses radiology, including allergic rhinitis, chronic rhinitis, computed tomography scans, and nasal cytology.

結果:

クラスター分析と畳み込みニューラルネットワーク（CNN）は、主に鼻科に関連する研究で使用されていました。AIはヘルスケア研究にますます影響を与えており、ML技術は慢性鼻炎やアレルギー性鼻炎の研究に利用されており、いくつかのエキサイティングな新しい研究モダリティを提供しています。

RESULTS: Cluster analysis and convolutional neural networks (CNNs) were mainly used in studies related to rhinology. AI is increasingly affecting healthcare research, and ML technology has been used in studies of chronic rhinitis and allergic rhinitis, providing some exciting new research modalities.

結論:

AIは、意思決定を助ける決定的な証拠がない場合に特に有用です。MLは医師の臨床的な意思決定を助けることはできますが、完全に医師に取って代わるものではありません。しかし、この手法を用いた研究を批判的に評価する場合、鼻科医はその応用と使用の限界を考慮に入れなければなりません。

CONCLUSION: AI is especially useful when there is no conclusive evidence to aid decision making. ML can help doctors make clinical decisions, but it does not entirely replace doctors. However, when critically evaluating studies using this technique, rhinologists must take into account the limitations of its applications and use.