コランジオカルシノーマの早期再発に対するCTベースの人工知能の診断性能:体系的なレビューとメタ解析

科学分野:

• 医学画像分析
• 腫瘍学における人工知能
• 診断性能評価

背景:

• AIモデルでは,CTスキャンを用いた早期の胆管がん (CCA) 再発予測が有望であることが示されています.
• これらのAIモデルの臨床応用は 再現性,一般化性,バイアスなどの問題により妨げられています
• 様々なデータセットや集団における AI の実用的な適用性や性能については懸念がある.

研究 の 目的:

• 早期CCA再発予測のためのCT画像を用いたAIモデルの診断性能を体系的に評価する.
• 内部および外部検証コホートにおける感度,特異性,診断確率比 (DOR),AUCを評価する.

主な方法:

• 2025年5月までのPubMed,Embase,Web of Scienceにおける体系的な文献検索
• 1年以内にCCAの再発を予測するためにCTに適用されたAIに焦点を当てた研究が含まれています.
• パフォーマンスメトリクスを集約するために使用された二変性ランダム効果モデル; I2統計を使用して評価された異質性.

主要な成果:

• 1,537人の患者を対象とした9つの研究が分析されました.
• 内部検証では,高濃度,敏感度0. 87,特異度0. 85,AUC0. 93が得られました.
• 外部検証では,適度な性能を示した: 感度0. 87,特異性0. 82,AUC0. 85;AUCは内部検証より有意に低かった (P < . 001).

結論:

• CTベースのAIモデルは,内部検証で早期のCCA再発に対する高い予測性能を示しています.
• 外部検証ではパフォーマンスが適度で,一般化が難しいことを示しています.
• 高い異質性により,臨床的有用性を確認するためにさらなる前向きな研究と標準化された方法が必要である.