多发性多发性硬化病变的检测和细分在多大程度上与临床工作流程相结合? 一个系统的审查
Federico Spagnolo1, Adrien Depeursinge2, Sabine Schädelin3
1Translational Imaging in Neurology (ThINK) Basel, Department of Biomedical Engineering, Faculty of Medicine, University Hospital Basel and University of Basel, Basel, Switzerland; Department of Neurology, University Hospital Basel, Basel, Switzerland; Research Center for Clinical Neuroimmunology and Neuroscience Basel (RC2NB), University Hospital Basel and University of Basel, Basel, Switzerland; MedGIFT, Institute of Informatics, School of Management, HES-SO Valais-Wallis University of Applied Sciences and Arts Western Switzerland, Sierre, Switzerland.
对于多发性硬化症 (MS) 病变检测的深度学习工具在技术上已经得到验证,但缺乏临床整合. 一项审查发现很少有研究符合临床使用的定量神经放射学倡议 (QNI) 框架.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 已经开发了许多深度学习工具,用于多发性硬化症 (MS) 病变的检测和细分.
- 这些工具的技术验证和临床实用性之间存在很大的差距.
- 定量神经放射学倡议 (QNI) 提出了一个六步框架,用于定量工具的临床整合.
研究的目的:
- 评估自动化MS病变检测和细分工具在多大程度上符合QNI框架.
- 评估当前工具是否准备好整合到临床神经放射学工作流程中.
主要方法:
- 采用了一种系统的Cochrane文献审查方法.
- 关于自动检测和细分多发性硬化病变的已发表文章进行了选和总结.
- 研究的分类是基于它们完成了六个QNI步骤,包括技术评估,临床验证和整合.
主要成果:
- 在156项审查的研究中,94%完成了QNI的第一步 (技术评估),99%完成了第二步.
- 对于后续步骤,实现率大幅下降:第三步骤为5%,第四步骤为2%,第五步骤为3%.
- 只有一个研究 (不到1%) 完成了所有六个QNI步骤.
结论:
- 目前用于MS病变检测/细分的自动化工具显示临床绩效评估和工作流集成有限.
- 这些工具对社会经济的影响和患者管理的影响在很大程度上仍未被探索.
- 需要大量的工作来弥合技术开发和在MS神经放射学中采用AI工具的临床采用之间的差距.
相关概念视频
Rapid Identification of Pathogens
Automated Microbial Diagnostics


