在子宫内膜癌中评估人工智能辅助诊断技术的有效性和准确性:系统性审查

科学领域:

• 在瘤学瘤学.
• 医学诊断 医学诊断 医学诊断
• 人工智能的人工智能

背景情况:

• 对子宫内膜癌的准确诊断对于有效的治疗和患者的治疗结果至关重要.
• 机器学习 (ML) 和人工智能 (AI) 的日益普及,有可能提高瘤学中的诊断准确性.
• 用人工智能辅助的方法可以显著提高子宫内膜癌诊断的准确性.

研究的目的:

• 评估人工智能辅助诊断方法对子宫内膜癌的准确性和有效性.
• 系统地评估AI和ML技术对子宫内膜癌诊断的贡献.
• 审查当前关于AI/ML在子宫内膜癌检测和分类中的应用的研究.

主要方法:

• 在主要数据库 (Medline,PubMed,Scopus,Web of Science,Google Scholar) 中按照PRISMA指南进行系统的文献搜索.
• 在过去十年内发表的关于AI/ML在子宫内膜癌诊断中的同行评审原始研究研究的纳入.
• 通过两名独立研究人员使用关键评估技能计划 (CASP) 方法对选定的研究进行质量评估.

主要成果:

• 人工智能在识别和分类子宫内膜癌方面表现出显著的有效性.
• 人工智能模型,特别是卷积神经网络 (CNN) 和深度学习算法,在子宫内膜癌检测中表现出高精度.
• 人工智能诊断工具经常达到或超过人类专家在子宫内膜癌诊断的准确性.

结论:

• 人工智能辅助诊断代表了瘤学的重大进步,提高了精度和效率.
• 人工智能工具有可能通过更准确和及时的子宫内膜癌诊断来改善患者护理.
• 人工智能在医学诊断中的整合正在改变癌症的检测和治疗,为个性化医疗铺平道路.