使用放射图像数据检测关节骨关节炎的人工智能:对诊断测试准确性的系统审查和元分析
Liang Xu1,2, Jiang Chen1,3, Kaixi Qiu4
1The School of Stomatology, Fujian Medical University, Fuzhou, Fujian, China.
PloS one
|July 14, 2023
概括
人工智能 (AI) 显示出从放射图像中诊断关节骨关节炎 (TMJOA) 的巨大潜力. 人工智能模型实现了高准确性,总的灵敏度和特异性分别为80%和90%.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 骨关节炎研究 骨关节炎研究
背景情况:
- 关节骨关节炎 (TMJOA) 的诊断依赖于放射性解释.
- 开发自动化诊断工具可以提高效率和准确性.
研究的目的:
- 系统地审查和评估人工智能 (AI) 模型在使用放射性成像检测TMJOA的诊断性能.
- 评估人工智能模型用于TMJOA检测的聚合精度指标.
主要方法:
- 按照PRISMA指南进行系统审查 (2010年1月 - 2023年1月).
- 搜索的数据库:PubMed,科学网,Scopus,Embase. 这些数据库的搜索内容包括:
- 使用QUADAS-2工具进行质量评估;计算了聚合灵敏度,特异性和SROC.
主要成果:
- 在513个已识别的记录中,有6项研究符合纳入标准.
- 聚合灵敏度:80%;聚合特异性:90%;曲线下的面积 (AUC):92%.
- 由于成像方式,种族,性别,AI技术和样本大小而观察到异质性.
结论:
- 人工智能模型展示了自动化TMJOA诊断的显著潜力.
- 需要进一步的研究来全面评估AI的诊断能力,并解决异质性问题.
