基于MRI的放射学对质瘤分级的当前诊断性能:一个元分析
Lucio De Maria1, Francesco Ponzio2, Hwan-Ho Cho3
1Division of Neurosurgery, Department of Surgical Specialties, Radiological Sciences, and Public Health, University of Brescia, 25123 Brescia, Italy.
Journal of integrative neuroscience
|May 30, 2024
概括
放射学在质瘤分级方面显示出强大的诊断性能,特别是在区分高级质瘤和低级质瘤方面. 这种人工智能方法为瘤分类提供了高灵敏度和特异性.
科学领域:
- 放射学 放射学是指放射学
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 用于质瘤分级的放射学模型在算法,特征和MRI序列方面有所不同.
- 需要评估放射学在质瘤分类中的整体性能.
研究的目的:
- 系统地评估放射学用于质瘤分级的诊断性能.
主要方法:
- 一个系统的文献综述和2012年至2023年间发表的研究的元分析.
- 使用了系统审查和元分析 (PRISMA) 准则的首选报告项目.
- 雇佣的R-package mada用于建模特异性和敏感性的联合估计.
主要成果:
- 分析了来自40篇文章的7654名患者.
- 获得了84%的总体特异性和91%的灵敏度,用于区分高度质瘤 (HGG) 和低度质瘤 (LGG).
- 获得了81%的整体特异性和89%的灵敏度,以区分世界卫生组织 (WHO) 4级和WHO 3级质瘤. 纹理特征是最有效的.
结论:
- 与世卫组织4级与3级任务相比,Radiomics在HGGs与LGGs歧视方面表现出更好的诊断性能.
- 目前的放射学模型为准确的质瘤分级提供了显著的潜力.


