卵巢癌组织病理学中的人工智能:系统性审查

科学领域:

• 卵巢癌研究研究 卵巢癌研究
• 人工智能在病理学中的应用
• 组织病理学图像分析图像分析

背景情况:

• 人工智能 (AI) 在分析卵巢癌的组织病理图像中的应用有望改善诊断和预后.
• 然而,现有的AI模型的质量和临床实施的准备性需要进行彻底的评估.

研究的目的:

• 系统地评估使用人工智能用于基于组织病理学数据的卵巢癌诊断或预后的发表研究的质量.
• 确定常见的AI任务,模型开发特征,并评估包含的研究中的偏差风险.

主要方法:

• 在主要的科学数据库 (PubMed,Scopus,Web of Science,Cochrane CENTRAL,WHO-ICTRP) 进行了全面的系统搜索,截至2023年5月19日.
• 纳入标准侧重于人工智能应用,用于人类卵巢癌组织病理学中的预后或诊断推断.
• 使用PROBAST工具评估了偏差风险,并遵循PRISMA 2020指南和PROSPERO注册.

主要成果:

• 在1573个记录中,包括了45项使用80个AI模型的研究,重点关注恶性瘤分类和治疗反应预测等任务.
• 模型是使用不同的数据集开发的,范围从1到1375个幻灯片,从1到776名患者.
• 关键的是,所有纳入的研究都表现出高或不清楚的偏见风险,主要是由于参与者招募的分析有限和不完整的报告.

结论:

• 目前对人工智能用于卵巢癌组织病理学的研究是有限的,并存在重大质量问题,没有准备用于临床使用的模型.
• 改善临床翻译需要数据和方法的透明报告,以及强大的验证策略,如交叉验证和外部测试.