Lengyel, Lívia and Kercsmarik, Bence Ferenc and Kauth, Zoltán and Zomborszky, Márton and Lám, Judit and Szabó, István (2025) Mesterséges intelligencia szerepe a csípő- és térdprotetikai műtétekben: szisztematikus irodalmi áttekintés. IME, 24 (KSZ 1). pp. 18-25. ISSN 1588-6387
|
Text
Lengyel_Livia_18_25.pdf - Published Version Download (2MB) | Preview |
Abstract
Háttér: A mesterséges intelligencia (MI) rohamos fejlődése egyre jelentősebb hatással van az ortopéd sebészetre, különösen a csípő- és térdprotézis-műtétekre. Az olyan MI-technológiák, mint a gépi tanulás és a mélytanulás, mind szélesebb körben kerülnek alkalmazásra a diagnosztika pontosságának növelése, a műtéti tervezés javítása, a műtéti navigáció, valamint a posztoperatív ellátás támogatása céljából.Módszer: A PRISMA irányelvek alapján szisztematikus irodalmi áttekintést végeztünk az AI alkalmazásait vizsgálandó a térd- és csípőprotetikai ellátás területén.Eredmények: A kutatás 2 adatbázisban összesen 290 tanulmányt azonosított, ezekből a vizsgálat során 56 felelt meg a kritériumoknak. Az eredményeket a klinikai folyamat három szakaszára bontva értékeltük, ezek a műtét előtti, alatti és utáni időszak. A preoperatív szakaszban az MI hozzájárul a képalkotó vizsgálatok automatizált értelmezéséhez, a betegek kiválasztásához, a kockázatbecsléshez, valamint az implantátumok személyre szabott tervezéséhez. A műtét során a navigációs rendszerek és robotasszisztált sebészeti megoldások növelik a beavatkozások pontosságát és optimalizálják az implantátum elhelyezését. A posztoperatív szakaszban az MI-modellek képesek előre jelezni a gyógyulási eredményeket, támogatni a rehabilitáció személyre szabását és nyomon követni a komplikációk kockázatát.Következtetés: A mesterséges intelligencia forradalmasítja csípő- és térdprotézis-műtéteket, javítja a műtétek pontosságát, a betegközpontú megközelítést és a kimenetelek előrejelzését a teljes ellátási folyamat során. A meglévő korlátok leküzdésére irányuló további kutatások és az alkalmazási lehetőségek bővítése révén az MI még nagyobb szerepet kaphat az ortopéd sebészet jövőjében.
| Item Type: | Article |
|---|---|
| Uncontrolled Keywords: | In an era of biodiversity crisis, it is critical to perform biodiversity assessments to better inform conservation strategies. In this regard, species distribution models (SDMs) represent a widely used tool for biodiversity assessment. Despite their popularity, the accuracy of SDM predictions has long been criticized because we have incomplete or biased information on species distribution. To overcome this limitation, researchers have proposed improving predictions of SDMs by integrating different types of distribution data, but this idea has rarely been explored in the marine realm. In this study, we explored the idea of data integration using the Japanese sea cucumber, whose distribution is known to be restricted by freshwater discharge of the Yangtze River. We first fitted SDMs for this species based on opportunistic occurrence records via four modeling algorithms, then built two types of ensemble models using stacked generalization: an ensemble model that solely used four model predictions and an expert-informed ensemble model that further accounted for distance to the IUCN expert range map. Our results showed that integrating an expert range map into the opportunistic occurrence model improved distribution prediction by avoiding overprediction in the south of the dispersal barrier for this species. Our study highlights the benefits of integrating expert range maps into opportunistic occurrence SDMs, which improve the reliability of species' spatial distributions. |
| Subjects: | G Geography. Anthropology. Recreation / földrajz, antropológia, kikapcsolódás > G Geography (General) / Földrajz általában Q Science / természettudomány > Q1 Science (General) / természettudomány általában |
| SWORD Depositor: | MTMT SWORD |
| Depositing User: | MTMT SWORD |
| Date Deposited: | 04 Sep 2025 06:55 |
| Last Modified: | 04 Sep 2025 06:55 |
| URI: | https://real.mtak.hu/id/eprint/223453 |
Actions (login required)
 |
Edit Item |
