این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
نشریه جراحی ایران، جلد ۳۳، شماره Spring، صفحات ۲۹-۴۲
عنوان فارسی مدیریت عفونت بعد از آرتروپلاستی: یادگیری ماشین و عمیق به عنوان یک ابزار
چکیده فارسی مقاله زمینه و هدف: امروزه با گسترش دانش بشری، استفاده از ابزارهای هوش مصنوعی، یادگیری ماشین و یادگیری عمیق در علم پزشکی نیز کاربرد یافته است. در مقوله عفونت بعد از آرتروپلاستی هیپ و زانو در ارتوپدی، از یادگیری ماشین و یادگیری عمیق در زمینه‌ ارزیابی اهمیت ریسک‌فاکتورها، ارزیابی اهمیت معیارهای تشخیصی و پروگنوز و نیز ارزیابی حساسیت پاتوژن‌ها به آنتی‌بیوتیک‌ها استفاده شده است. هم‌چنین از ابزارهای هوش مصنوعی می‌توان در زمینه آموزش بیماران و پاسخ به پرسش‌های شایع بیماران درباره‌ عفونت پری‌پروستتیک (PJI) نیز استفاده نمود. مواد و روش‌ها: در این مطالعه‌ی روایی، 22 عدد از مقالات ده سال گذشته استخراج شده از پایگاه اطلاعاتی Pubmed را که مربوط به استفاده از هوش مصنوعی و یادگیری ماشین و یادگیری عمیق در PJI بود، بررسی کرده و علاوه بر ذکر موارد بررسی شده توسط هوش مصنوعی (شامل ریسک‌فاکتورها و معیارهای تشخیص و پروگنوز و آنتی‌بیوتیک‌های موثر بر باکتری‌ها)، مدل‌های شایع یادگیری ماشین را نیز با حساسیت و ویژگی و دقت مربوطه یادآوری نموده‌ایم. هم‌چنین به مطالعه‌ای درباره استفاده از ChatGPT4 جهت آموزش و پاسخ‌دهی به بیماران PJI نیز پرداخته‌ایم. یافته‌ها: با توجه به آن که داده‌های پیچیده و غیرخطی توسط یادگیری ماشین به خوبی و سریع آنالیز می‌شوند، بهبود قابل توجه در دقت و سرعت مدیریت PJI با یادگیری ماشین حاصل شده است. هم‌چنین استفاده از یادگیری عمیق دقت را به نسبت یادگیری ماشین بیش‌تر افزایش داده است. محدودیت‌های شایع و مشترک مطالعات بیشتر بر گذشته‌نگر بودن آن‌ها و هم‌چنین جمعیت کم مورد مطالعه متمرکز بود. نتیجه‌گیـری: با توجه به قدرت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق در آنالیز هرچه سریعتر و دقیق‌تر نسبت به روش‌های سنتی، استفاده از آن در ابعاد مختلف پزشکی ازجمله مدیریت PJI منطقی است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Infection Management after Arthroplasty: Machine Learning and Deep Learning as Tools
چکیده انگلیسی مقاله Background and Objective: Nowadays, with the expansion of human knowledge, the use of artificial intelligence (AI), machine learning (ML), and deep learning (DL) has found applications in the field of medicine. In the context of infections following hip and knee arthroplasties in orthopedics, machine learning and deep learning have been utilized for assessing the significance of risk factors, evaluating the importance of diagnostic and prognostic criteria, and analyzing the sensitivity of pathogens to antibiotics. Additionally, AI tools can be employed in patient education and in answering common patient questions regarding periprosthetic joint infection (PJI). Materials & Methods: In this narrative study, 22 articles from the past decade, extracted from the PubMed database, were reviewed, focusing on the use of artificial intelligence, machine learning, and deep learning in PJI. We highlighted the aspects analyzed by AI, including risk factors, diagnostic criteria, prognostic factors, and effective antibiotics against bacteria. Furthermore, we recalled common machine learning models along with their respective sensitivity, specificity, and accuracy. We also examined a study regarding the use of ChatGPT-4 for educating and responding to patients with PJI. Results: Given that complex and nonlinear data are effectively and rapidly analyzed by machine learning, significant improvements in the accuracy and speed of PJI management have been achieved through machine learning. Additionally, the use of deep learning has further increased accuracy compared to traditional machine learning methods. Common limitations shared across studies primarily included their retrospective nature and the small sample sizes of the studied populations. Conclusion: Considering the capabilities of AI, machine learning and deep learning to analyze data more quickly and accurately compared to traditional methods, utilizing these technologies in various aspects of medicine, including PJI management, is reasonable.
کلیدواژه‌های انگلیسی مقاله Machine Learning,Infection,Hip Arthroplasty,Knee arthroplasty
نویسندگان مقاله R Zandi |


AR Ahmadi Abdashti |
Orthopedic Surgeon and Researcher at Musculoskeletal Injuries Research Center, Shahid Beheshti University of Medical Sciences

Z Ahmadi Abdashti |


F Amouzadeh |


Sh Vahidi |


نشانی اینترنتی https://ijs.ir/article_731159_f11e90947a353c44f4a9d060b6a98152.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات