人工智能/机器学习用于神经成像来预测出血转变:系统性审查/元分析
Richard Dagher1, Burak Berksu Ozkara1, Mert Karabacak2
1Department of Neuroradiology, MD Anderson Cancer Center, Houston, Texas, USA.
概括
人工智能和机器学习模型在急性缺血性中风患者中可靠地预测出血性转变. 为了提高临床确定性和子组分析,建议进行进一步的前性研究.
科学领域:
- 神经成像和人工智能技术的发展
- 中风研究研究中风研究
- 医学诊断 医学诊断 医学诊断
背景情况:
- 在急性缺血性中风 (AIS) 中预测出血转化 (HT) 对患者管理至关重要.
- 人工智能 (AI) 和机器学习 (ML) 提供了使用神经成像准确预测HT的潜力.
- 这项研究系统地审查了AI/ML模型在预测HT的性能.
研究的目的:
- 进行系统审查和元分析.
- 评估AI/ML模型的预测性能,利用AIS患者中HT的神经成像.
主要方法:
- 在PubMed,EMBASE和Web of Science的系统文献搜索.
- 包括使用AI/ML成像算法进行HT预测的对AIS患者进行再流疗法的研究.
- 使用QUADAS-2和CAIMI进行质量评估;通过随机效应模型计算的聚合灵敏度,特异性和DOR.
主要成果:
- 确定了包括1640名患者在内的6项研究.
- 大多数研究表明偏差和适用性担忧的风险较低.
- 聚合灵敏度为0.849,特异性为0.878,诊断几率比率 (DOR) 为45.598.8.
结论:
- 人工智能/多发性肌痛模型在AIS患者中显示出对HT的可靠预测能力.
- 需要进一步的前性研究来进行子组分析,并增加临床效用.


