机器学习用于脑瘤分类的应用:系统性审查和元分析
Laís Silva Santana1, Jordana Borges Camargo Diniz2, Luisa Mothé Glioche Gasparri3
1School of Medicine, University of São Paulo, São Paulo, Brazil.
World neurosurgery
|April 5, 2024
概括
机器学习 (ML) 算法在从图像中分类脑瘤方面表现出高准确度. 这一系统性审查证实了ML.
科学领域:
- 神经成像是一种神经成像.
- 医疗人工智能 医疗人工智能
- 在瘤学瘤学.
背景情况:
- 准确的脑瘤分类对于有效的治疗和预后至关重要.
- 机器学习 (ML) 具有显著的潜力,可以提高瘤分类的准确性.
研究的目的:
- 系统地评估ML算法在区分各种脑瘤类型中的性能,使用元分析方法.
主要方法:
- 进行了全面的系统审查和元分析,搜索主要数据库 (PubMed,Embase,Web of Science) 到2023年3月14日.
- 包括专注于分类准确性的研究,但不包括仅涉及细分或检测的研究.
- 诊断准确性数据 (灵敏度,特异性) 被提取并分析.
主要成果:
- 在分析中包括了51项研究.
- ML算法在各种分类中实现了高的聚合精度,包括质母细胞瘤与淋巴瘤 (AUC 0.99) 和良性与恶性瘤 (灵敏度 0.90,特异性 0.93).
- 在将质瘤与垂体瘤区分开来时,注意到了异常的表现 (灵敏度0.99,特异性0.99).
结论:
- 机器学习在脑瘤图像分类方面表现出色.
- 机器学习算法实现了接近最大的诊断准确性,支持其临床实用性.
