Artificial Intelligence Analysis of Biofluid Markers in Age-Related Macular Degeneration: A Systematic Review
Notice bibliographique
Résumé
This systematic review explores the use of artificial intelligence (AI) in the analysis of biofluid markers in age-related macular degeneration (AMD). We detail the accuracy and validity of AI in diagnostic and prognostic models and biofluid markers that provide insight into AMD pathogenesis and progression. This review was conducted in accordance with the Preferred Reporting Items for a Systematic Review and Meta-analysis guidelines. A comprehensive search was conducted across 5 electronic databases including Cochrane Central Register of Controlled Trials, Cochrane Database of Systematic Reviews, EMBASE, Medline, and Web of Science from inception to July 14, 2021. Studies pertaining to biofluid marker analysis using AI or bioinformatics in AMD were included. Identified studies were assessed for risk of bias and critically appraised using the Joanna Briggs Institute Critical Appraisal tools. A total of 10,264 articles were retrieved from all databases and 37 studies met the inclusion criteria, including 15 cross-sectional studies, 15 prospective cohort studies, five retrospective cohort studies, one randomized controlled trial, and one case-control study. The majority of studies had a general focus on AMD (58%), while neovascular AMD (nAMD) was the focus in 11 studies (30%), and geographic atrophy (GA) was highlighted by three studies. Fifteen studies examined disease characteristics, 15 studied risk factors, and seven guided treatment decisions. Altered lipid metabolism (HDL-cholesterol, total serum triglycerides), inflammation (c-reactive protein), oxidative stress, and protein digestion were implicated in AMD development and progression. AI tools were able to both accurately differentiate controls and AMD patients with accuracies as high as 87% and predict responsiveness to anti-VEGF therapy in nAMD patients. Use of AI models such as discriminant analysis could inform prognostic and diagnostic decision-making in a clinical setting. The identified pathways provide opportunity for future studies of AMD development and could be valuable in the advancement of novel treatments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,004 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».