マルチパラメトリックイメージングによる膀がんにおける筋肉の侵入を予測するためのAI駆動型と伝統的な放射線モデル:体系的なレビューとメタ解析
Zhengyan Wang1, Hongjin Shi2, Qun Wang2
1Department of Urology, Honghe Hospital Affiliated to Kunming Medical University/South Yunnan Central Hospital of Yunnan Province (The First People's Hospital of Honghe Hani and Yi Autonomous Prefecture), Honghe, China (Z.W., M.F., L.Y., B.D., J.L., X.D., G.Z.); Kunming Medical University, Kunming, China (H.S., Q.W., M.F.).
人工知能 (AI) と放射線学モデルは,筋肉侵襲性膀がん (MIBC) の診断に優れた性能を示しています. 現在行われている研究が異質であるため,多センター展望研究でのさらなる検証が必要である.
科学分野:
- 医療用イメージング
- 人工知能
- 腫瘍学
背景:
- 筋肉侵襲性膀癌 (MIBC) の診断は,正確なイメージングに大きく依存しています.
- ラジオミクスとAIは 診断能力を高める新しいアプローチを提供します
- これらの高度な技術の性能と臨床的有用性を評価することは極めて重要です.
研究 の 目的:
- MIBC検出のためのAI駆動型と従来の放射学モデルの診断性能を体系的に評価する.
- 膀画像とデータシステム (VI-RADS) との連携の可能性を調査する.
- MIBCの診断における放射線学とAIの臨床的転写の可能性を評価する.
主な方法:
- PRISMAのガイドラインに沿った 体系的なレビューとメタ分析
- 2025年5月までの包括的なデータベース検索 (PubMed,Web of Science,Embase,コクラン図書館)
- QUADAS-2とRQSを用いた品質評価;診断精度指標 (AUC,感度,特異性) の総合分析と異質性の評価.
主要な成果:
- 9624人の患者を対象とした43件の研究が含まれており,そのほとんどはバイアスのリスクが低かった (RQS平均18. 89).
- プールのAUCは0. 92,感度と特異性は0. 86でした.
- 研究センター,サンプルサイズ,イメージング方式 (CT対MRI),アルゴリズムタイプ (ディープラーニング対マシンラーニング) を含む特定された情報源で,有意な異質性が観察された (P < 0. 1).
結論:
- AI駆動型と伝統的な放射性モデルは,MIBCの強力な診断性能を示しています.
- 研究の多様性は厳格な検証の必要性を強調しています
- 外部有効性を確立し,臨床翻訳を容易にするには,多国,多センターの前向きなコホート研究が不可欠です.
さらに関連する動画
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
12:23Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound
Published on: August 14, 2012
