基于超声波的人工智能用于预测乳腺癌关键分子标记物的诊断性能:系统性审查和元分析

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 乳腺癌 (BC) 的诊断和治疗依赖于分子标记物 (HER2,Ki67,PR,ER).
• 目前用于识别这些标记物的方法是侵入性的.

研究的目的:

• 调查基于超声波的放射学诊断准确度,用于预测关键的BC分子标记物.
• 评估AI在非侵入性预测生物标志物状态方面的潜力.

主要方法:

• 通过PubMed,EMBASE和Web of Science的数据进行了元分析.
• 研究的重点是超声波放射学,用于预测HER2,Ki67,PR和ER在BC.
• 使用QUADAS-2和Radiomics质量评分 (RQS) 进行了质量评估.

主要成果:

• 超声波放射学表明HER2预测的灵敏度为0.76和特异性为0.78.
• 基67预测的准确性为0.80的灵敏度和0.76的特异性.
• 数据不足阻止了PR和ER预测的定量分析.

结论:

• 人工智能模型,特别是超声波放射学,显示出预测HER2和Ki67在BC患者中适度至高准确度的前景.
• 缺乏足够的数据来进行ER和PR预测准确性的元分析.
• 未来的研究应该专注于有全面报告和多中心数据的前性研究.