目的了解人工智能(AI)技术在输血领域的发展现况。方法系统性检索Clarivate Web of Science Database数据库中AI与输血相关的文献,检索日期截止在2024年12月,共检索到4775篇文献,按纳入排除标准,最后以叙述性方法分析了133篇原创性研究...目的了解人工智能(AI)技术在输血领域的发展现况。方法系统性检索Clarivate Web of Science Database数据库中AI与输血相关的文献,检索日期截止在2024年12月,共检索到4775篇文献,按纳入排除标准,最后以叙述性方法分析了133篇原创性研究的结果。结果AI在输血中的研究自2020年开始爆发式增长(占所有发文量的77%),其中我国发文数量位居全球第二;69.2%的研究聚焦个体输血预测,其次是库存管理(8.3%)、输血不良反应诊断与预测(6.0%)、输血结局的影响因素(5.3%)、血型鉴定(5.3%)、血液质量检测(4.5%)和血液精确计量(1.5%)。4.5%的研究发表在影响因子>10分的期刊上;19.5%的研究开发了软件或应用程序;31.5%研究为多中心研究;48.1%的研究使用了决策树的方法,31.5%的研究使用了神经网络的方法;14.2%的研究进行了算法的外部验证。结论AI在输血风险预测、决策支持及血液管理等多方面展现出显著潜力。然而,模型泛化能力和算法可解释性不足及临床转化壁垒是当前面临的主要挑战。AI与输血医学的深度融合将加速精准输血时代到来,以最大化利用血液资源,减少浪费,保证输血安全。展开更多
文摘目的了解人工智能(AI)技术在输血领域的发展现况。方法系统性检索Clarivate Web of Science Database数据库中AI与输血相关的文献,检索日期截止在2024年12月,共检索到4775篇文献,按纳入排除标准,最后以叙述性方法分析了133篇原创性研究的结果。结果AI在输血中的研究自2020年开始爆发式增长(占所有发文量的77%),其中我国发文数量位居全球第二;69.2%的研究聚焦个体输血预测,其次是库存管理(8.3%)、输血不良反应诊断与预测(6.0%)、输血结局的影响因素(5.3%)、血型鉴定(5.3%)、血液质量检测(4.5%)和血液精确计量(1.5%)。4.5%的研究发表在影响因子>10分的期刊上;19.5%的研究开发了软件或应用程序;31.5%研究为多中心研究;48.1%的研究使用了决策树的方法,31.5%的研究使用了神经网络的方法;14.2%的研究进行了算法的外部验证。结论AI在输血风险预测、决策支持及血液管理等多方面展现出显著潜力。然而,模型泛化能力和算法可解释性不足及临床转化壁垒是当前面临的主要挑战。AI与输血医学的深度融合将加速精准输血时代到来,以最大化利用血液资源,减少浪费,保证输血安全。
