用人工智能驱动的模型用于诊断和预测肺癌的结果:系统性审查和元分析

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 放射学 放射学是一门学科.

背景情况:

• 晚期诊断肺癌有助于高死亡率,需要改进早期检测方法.
• 医疗保健中的人工智能 (AI) 提供了通过医疗数据分析早期肺癌识别和个性化治疗的潜力.
• 本系统性审查评估了人工智能在早期肺癌检测中的有效性,检查了其方法,优点,缺点以及与传统方法的比较.

研究的目的:

• 系统地审查和评估人工智能 (AI) 在肺癌早期检测方面的表现.
• 分析各种人工智能技术,它们的优点,局限性以及与肺癌传统诊断方法相比的有效性.
• 综合现有研究的发现,以全面概述AI在早期肺癌诊断中的当前作用和未来潜力.

主要方法:

• 根据PRISMA指南进行了系统审查和元分析.
• 在多个数据库中进行了全面的文献搜索,根据预定义的纳入标准,由两名审查员进行独立选.
• 使用R软件 (版本4.3.0) 进行了数据提取,质量评估和性能指标的元分析.

主要成果:

• 在1024个初始记录中,包括了39项研究,展示了肺癌检测中的各种AI应用.
• 在肺癌检测中,AI的综合灵敏度和特异性为0.87,表明了显著的准确性.
• 研究之间的异质性,归因于不同的参数,突出了方法标准化的需要.

结论:

• 人工智能对肺癌的早期检测具有相当大的前景和高准确性,正如本次系统性审查所证明的那样.
• 研究方法的变化强调了对标准化协议的关键需求,以优化AI在临床实践中的应用.
• 从大规模前性研究中验证的AI模型预计将在未来显著提高早期肺癌诊断和患者护理.