机器学习人工智能架构在肺癌检测和分类中的诊断准确性:系统性审查
Alina Cornelia Pacurari1, Sanket Bhattarai2, Abdullah Muhammad3
1MedLife HyperClinic, Eroilor de la Tisa Boulevard 28, 300551 Timisoara, Romania.
Diagnostics (Basel, Switzerland)
|July 14, 2023
概括
机器学习人工智能 (AI) 显示出从诊断成像中检测肺癌的前景,具有高灵敏度和准确性. 需要进一步的研究来确认其用于肺癌诊断的临床用途.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 人工智能 (AI) 和机器学习 (ML) 越来越多地应用于用于肺癌检测的诊断成像.
- 现有的研究表明,ML算法在识别肺结节时具有多样性但有前途的结果.
研究的目的:
- 系统地审查MLAI算法用于肺癌检测的准确性.
- 识别用于肺癌成像中的ML架构.
- 评估这些AI诊断方法的临床相关性.
主要方法:
- 在主要数据库 (PubMed,科学网,Cochrane,Scopus) 进行了系统的文献搜索,截至2022年12月.
- 包括9项研究 (5个病例控制,3个回顾性队列,1个前性队列).
- 分析了各种ML架构,包括ANN,EDM,PNN,SVM,POMDP和RFNN.
主要成果:
- ML算法展示了有希望的肺癌检测和分类能力.
- 灵敏度从0.81到0.99不等;特异性从0.46到1.00不等;精度从77.8%到100%不等.
- 人工智能成功地将恶性病变与良性病变区分开来,并检测到SCLC和NSCLC.
结论:
- 在诊断成像中,ML AI架构显示了肺癌检测和分类的巨大潜力.
- 诊断准确性因不同的ML算法和病变类型而异.
- 进一步的验证和临床相关性研究对于在肺癌诊断中常规AI实施至关重要.


