评估深度学习算法检测Moyamoya疾病:一个系统的审查和单臂元分析
Laís Silva Santana1, Marianna Leite2, Marcia Harumy Yoshikawa1
1University of Sao Paulo, Sao Paulo, SP, Brazil.
Neurosurgical review
|July 1, 2024
概括
深度学习 (DL) 模型在从医学图像中诊断莫亚莫亚病 (MMD) 时显示出高准确度. 这次系统审查发现DL算法具有显著的诊断潜力,具有出色的灵敏度和特异性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 莫亚莫亚病 (MMD) 诊断依赖于成像,需要提高标准化.
- 机器学习工具有可能提高MMD的诊断准确性.
研究的目的:
- 评估深度学习 (DL) 算法对莫亚莫亚病 (MMD) 的诊断性能.
- 将DL模型的灵敏度,特异性和AUC与专家共识进行比较.
主要方法:
- 在PubMed,Embase和Web of Science的系统文献搜索到2024年2月.
- 包括七项研究 (4,416名患者,1,358名MMD患者) 报告DL算法的诊断准确度指标.
- 聚合灵敏度,特异性和曲线下的面积 (AUC) 的元分析.
主要成果:
- 对于DL模型的聚合灵敏度在0.89到0.92.9之间.
- 对于DL模型的聚合特异性在0.89到0.91.9之间.
- 综合平均AUC为0.94 (常见效应) 和0.89 (随机效应),表明高诊断能力.
结论:
- 深度学习模型在提高莫亚莫亚病诊断方面显示出显著的潜力.
- DL算法有效地识别复杂的成像模式,提供高灵敏度和特异性.
- 标准化的DL工具可以改善MMD的诊断工作流程.
