人工智能驱动的放射学在头部和部癌症:当前状态和未来前景
Rasheed Omobolaji Alabi1, Mohammed Elmusrati2, Ilmo Leivo3
1Research Program in Systems Oncology, Faculty of Medicine, University of Helsinki, Helsinki, Finland; Department of Industrial Digitalization, School of Technology and Innovations, University of Vaasa, Vaasa, Finland.
International journal of medical informatics
|May 10, 2024
概括
基于人工智能的放射学 (基于AI的放射学) 通过提取定量图像特征来改善诊断和预后,提高了头癌 (HNC) 的管理. 针对个性化瘤学的实施挑战正在得到解决.
科学领域:
- * 医学成像分析分析
- * 量化特征提取 * 量化特征提取
- * 在瘤学中的人工智能
背景情况:
- * 放射学利用医学图像进行定量特征提取,以表征患者的表型.
- *人工智能技术与放射学相结合,提高了诊断准确性和临床结果预测.
研究的目的:
- * 审查基于人工智能的放射学应用在头癌 (HNC) 管理中.
- * 探索基于人工智能的放射学工作流程,在HNC中进行个性化瘤学.
- * 检查在临床瘤学中基于人工智能的放射学的实施挑战和解决方案.
主要方法:
- * 在多个数据库中使用PRISMA指南进行系统的文献搜索.
- *使用TRIPOD和PROBAST工具对包含的研究进行质量和偏差评估.
主要成果:
- * 45项研究符合纳入标准,确定基于人工智能的放射学作为HNC决策的辅助工具.
- *应用包括癌症诊断 (分期,分级,分类) 和预后 (治疗反应,复发,转移,生存).
- *关键的挑战包括数据不平衡,特征工程,模型概括性,多模式融合和可解释性.
结论:
- *基于人工智能的放射学提供了超越人类视觉解释的定量洞察力,解决了观察者之间的变化.
- *有可能通过实现个性化,高质量和成本效益的患者护理来彻底改变HNC瘤学.
关键词:
人工智能的人工智能深度学习 (Deep Learning) 是一种深度学习.头部和部癌症 头部和部癌症机器学习 机器学习无线电学 (Radiomics) 是一种无线电学.系统审查是系统的审查.
