グリオマ診断のための18F-FDG PETに関する機械学習駆動放射学:体系的なレビューとメタ解析

科学分野:

• 神経腫瘍学
• 医療用イメージング
• 機械学習
• ラジオミクス

背景:

• 放射線学に適用された機械学習 (ML) は神経腫瘍学的イメージングを進歩させました.
• 18F-FDG PETの放射性特性を用いたMLモデルの診断用性は十分に確立されていません.

研究 の 目的:

• 18F-FDG PET放射学で訓練されたMLモデルの診断精度を体系的に評価し,定量的に合成する.

主な方法:

• 18F-FDG PETの放射性特性に関するMLを用いた研究をPRISMAに準拠した体系的なレビューとメタ解析.
• 2025年1月までPubMed,Scopus,Web of Scienceで検索しました
• 業績指標を報告する研究; 人口統計,画像,特徴,モデル,検証に関する抽出データ; ランダムな効果のメタ分析を行った.

主要な成果:

• 2,321人の患者を含む12件の研究が分析されました.
• 統合された診断指標は,精度92. 6%,AUC0. 95,感度85. 4%,特異性89. 7%,F1スコア0. 78,精度0. 90でした.
• 高い異質性が見られた.CNNとPET/MRI統合は優れた性能を示した.

結論:

• 18F-FDG PET放射学に基づくMLモデルは,グリオマの分類において強力な診断性能を示している.
• 方法論的な異質性は,標準化されたパイプライン,外部検証,臨床統合前の透明な報告の必要性を強調しています.