Systemy wspomagające decyzje lekarskie w neurochirurgii epilepsji oparte na sztucznej inteligencji: przegląd literatury
Deep learning enabled decision support systems in epilepsy surgery: a scoping review
W skrócie
Badacze przeanalizowali 145 badań naukowych z lat 2018-2025, aby sprawdzić jak sztuczna inteligencja może wspomóc lekarzy w podejmowaniu decyzji dotyczących operacji epilepsji. Odkryli, że większość dotychczasowych rozwiązań skupia się na etapie przygotowania do operacji, wykorzystuje małe zestawy danych z jednego ośrodka i rzadko jest testowana w rzeczywistym szpitalnym workflow. Badacze zaznaczają, że przed wdrożeniem w praktyce klinicznej niezbędne są większe międzynarodowe dane, lepsza walidacja systemów oraz badania potwierdzające bezpieczeństwo i skuteczność zastosowania.
Oryginalny abstract (angielski)
Deep learning is increasingly explored to support decision-making in epilepsy surgery, yet evidence for implementation across the epilepsy surgery pathway remains limited. We conducted a scoping review of 145 studies published between January 2018 and May 2025 to map deep learning enabled decision support systems across surgical stages and clinical tasks, characterize datasets by modality, size, geographic provenance and accessibility, and synthesize modeling practices, external validation and workflow integration. The literature is heavily concentrated in the pre-operative stage, with no included intra-operative studies and relatively few post-operative applications. Most studies rely on small, single-center and non-public datasets and use supervised CNN-based models. External validation and workflow-integrated evaluation are uncommon, and only a minority of systems report semi-integrated clinical workflows. These findings highlight key gaps in generalizability, workflow readiness and equity, and inform priorities for multi-center data resources, rigorous cross-site evaluation and clinically meaningful endpoints to enable safe, scalable adoption.