机器学习模型可以检测和预测淋巴结参与前列腺癌吗? 一个全面的系统审查

科学领域:

• 泌尿器科 泌尿器科 泌尿器科 泌尿器科
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 前列腺癌 (PCa) 管理面临的挑战是淋巴结参与 (LNI) 检测.
• 人工智能 (AI) 正在成为改善PCa中LNI评估的工具.
• 降低手术风险和改善患者的治疗结果是PCa LNI分析中AI的关键驱动因素.

研究的目的:

• 审查和分析现有的AI研究,用于PCa LNI检测和预测.
• 在PCa LNI评估中评估AI模型的初步发现和潜力.
• 确定PCa LNI中AI的局限性和未来研究方向.

主要方法:

• 两个独立审稿人对MEDLINE数据库进行系统的文献搜索.
• 包括16项研究,调查AI在PCa LNI中的作用.
• 使用Radiomics质量评分的方法质量评估.

主要成果:

• 使用磁共振成像 (MRI) 的AI模型显示,LNI预测的准确性与标准的诺姆图表相比较.
• 应用于计算机断层扫描 (CT) 和正子发射断层扫描 (PET) -CT的AI模型显示出高的诊断和预后性能.
• 人工智能显示出精确检测和预测前列腺癌中淋巴结转移的潜力.

结论:

• 人工智能模型为淋巴结转移的检测和前列腺癌的预测提供了一个有希望的方法.
• 目前的局限性包括回顾性研究设计,缺乏标准化,手动细分和小样本大小.
• 进一步的研究对于优化人工智能工具和验证它们在PCa LNI评估中的临床实用性至关重要.