基于人工智能的机会在肝脏病理学-一个系统性审查
Pierre Allaume1, Noémie Rabilloud2, Bruno Turlin1,3
1Department of Pathology CHU de Rennes, Rennes 1 University, Pontchaillou Hospital, 2 rue Henri Le Guilloux, CEDEX 09, 35033 Rennes, France.
Diagnostics (Basel, Switzerland)
|May 27, 2023
概括
深度学习模型在肝脏病理学中显示了多种应用,有助于图像分析进行诊断和预测. 然而,许多研究都显示出偏见,表明人工智能应用需要改进的领域.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 深度神经网络 (DNN) 正在彻底改变医疗保健图像分析,包括肝脏病理.
- 应用范围包括自动细分,诊断和预测.
研究的目的:
- 系统地审查DNN在肝脏病理中的应用和性能.
- 覆盖瘤,代谢和炎症性肝病领域.
- 专注于截至2022年12月的数据.
主要方法:
- 对Pubmed和Embase数据库进行系统审查.
- 42篇文章的选择和全面审查.
- 使用诊断准确性研究质量评估 (QUADAS-2) 工具进行偏差评估.
主要成果:
- 选择和审查了42篇文章.
- 在肝病理学中DNN的应用是多样化的.
- 大多数研究表明,在至少一个QUADAS-2域中存在偏差的高风险.
结论:
- 在肝脏病理学中,DNN模型是普遍和多功能性的.
- 在审查的研究中发现了重大偏差风险.
- 在这个领域,DNN存在未来的机遇和局限性.
