数字病理学中的人工智能:对诊断测试准确性的系统审查和元分析

科学领域:

• 数字病理学数字病理学
• 医学中的人工智能

背景情况:

• 人工智能 (AI) 越来越多地用于数字病理学.
• 在临床实施之前,确保AI的诊断性能至关重要.

研究的目的:

• 在所有疾病的数字病理学图像中系统地审查和元分析AI的诊断准确性.

主要方法:

• 使用AI对整个幻灯片图像 (WSIs) 的诊断准确性研究的系统审查和元分析.
• 在PubMed,EMBASE和CENTRAL数据库中进行搜索.
• 对于偏差风险评估的QUADAS-2工具.
• 对元分析的双变随机效应模型.

主要成果:

• 审查了100项研究,其中48项被纳入了元分析,涵盖了超过152,000个WSIs.
• 报告的平均灵敏度为96.3%,特异性为93.3%.
• 99%的研究具有高或不清楚的偏差风险或适用性问题.

结论:

• 人工智能在报告疾病的数字病理学中表现出高的诊断准确性.
• 关于研究设计,偏见和数据报告的重大问题需要注意.
• 对人工智能性能进行更严格的评估对于临床采用至关重要.