医学新视角. 2024;1(6):291-295. (DOI: 10.5582/npjm.2024.01089)

医学领域中的机器学习：潜力、挑战与可解释性综述

马亚楠，胡昔奇，宋培培，唐子顕児

摘要:机器学习（machine learning，ML）在医学领域取得显著进展，尤其是深度学习在大规模数据分析中的卓越表现，在疾病预测、诊断及个性化治疗方面展现巨大潜力。然而，模型复杂性带来的可解释性不足，限制了其在临床实践中的信任度。本文综述了ML在术后并发症预测、糖尿病与心血管疾病早期预测、术后预后评估及神经退行性疾病研究中的应用，并介绍了逻辑回归、决策树、随机森林、梯度提升、支持向量机与深度学习等常用算法。此外，探讨了可解释人工智能的发展及SHAP、LIME等工具如何提高模型透明度，推动ML在医学中的实际应用，有助于改善诊断准确性与患者护理质量。

Full Text: