Искусственный интеллект в педиатрической хирургии: систематический обзор моделей прогнозирования, диагностики и поддержки принятия решений

Abstract

Искусственный интеллект (ИИ) демонстрирует большой потенциал в детской хирургии, особенно в диагностике, прогнозировании исходов и принятии решений, однако его клиническое применение все еще ограничено из-за серьезных проблем. Большинство моделей ИИ демонстрируют многообещающую точность, причем диагностические модели показывают наилучшие результаты, но только 6 % из них проходят внешнюю валидацию, и многие из них не поддаются интерпретации. Высокий риск предвзятости и недостаточная валидизация препятствуют надежности и внедрению этих моделей в реальный мир. Будущие усилия должны быть направлены на создание проверенных извне, интерпретируемых и непредвзятых инструментов ИИ, а также на использование разнообразных наборов данных, в том числе из стран с низким и средним уровнем дохода. Устранение этих препятствий может раскрыть потенциал ИИ для улучшения результатов хирургической помощи педиатрическим пациентам.

Artificial Intelligence (AI) shows great potential in pediatric surgery, particularly in diagnostics, outcome prediction, and decision-making; however, its clinical application is still limited due to significant challenges. Most AI models demonstrate promising accuracy, with diagnostic models performing the best, but only 6% undergo external validation, and many lack interpretability. High risks of bias and insufficient validation hinder the reliability and real-world adoption of these models. Future efforts should focus on creating externally validated, interpretable, and unbiased AI tools while incorporating diverse datasets, including those from low- and middle-income countries. Addressing these barriers can unlock AI's potential to improve surgical care outcomes for pediatric patients.