深度学习在耳鼻咽喉科中的应用：一项叙述性综述

重要性：深度学习是人工智能的一个子集，利用多层神经网络在无需手动特征工程的情况下发现大型数据集中的复杂模式。与传统机器学习不同，深度学习自动从原始数据中学习分层表示，在分析图像（如动态喉镜）和生理信号（如人工耳蜗优化）方面具有独特优势。尽管取得了这些进展，但深度学习对许多临床医生来说在概念上仍难以整合到日常实践中。本叙述性综述综合了深度学习的最新应用，并提出了其在耳鼻咽喉科整合的框架。观察：我们筛选了2020年至2025年间发表的1422篇文章，纳入327篇关于耳鼻咽喉科深度学习应用的原著研究，将其分为四大领域：检测与诊断（55%）、预测与预后（5%）、图像分割（28%）和新出现应用（12%）。概念验证研究表明，深度学习系统可以达到与专家相当的、可接受的诊断性能，模型准确识别鼻咽癌（92%）、喉部恶性肿瘤（86%）和耳科病理（>95%）。预后应用包括口咽癌的生存分层和慢性鼻窦炎的复发预测。分割模型可靠地描绘了解剖区域。新兴应用包括助听器优化、手术器械追踪和术中标志识别。取得进一步进展需要多机构数据集、标准化采集方案和透明、可解释的模型，以提高信任度和临床采用率。结论与相关性：深度学习在耳鼻咽喉科的应用显示出改善诊断性能、预测结果和提供术中指导的潜力。广泛而公平的采用需要协调一致的高质量、具有代表性的数据集，以及减轻算法偏见和强大的模型可解释性。联邦学习和可解释性是支持隐私保护和提高临床医生信任度的新兴框架。标准化报告、前瞻性验证、人在回路模型和跨学科合作有助于平衡算法方法的承诺及其临床实用性，确保深度学习工具对患者护理有意义的贡献。