基于图像的人工智能对肌肉侵入性膀癌预测的准确性和质量
Chunlei He1,2, Hui Xu1, Enyu Yuan1
1Department of Radiology, West China Hospital, Sichuan University, Chengdu, 610041, China.
Insights into imaging
|August 1, 2024
概括
人工智能 (AI) 在预测肌肉侵入性膀癌 (MIBC) 方面表现有前途. 然而,目前的AI研究报告和方法质量较低,需要改善临床应用标准.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 肌肉侵入性膀癌 (MIBC) 的诊断依赖于准确的分期.
- 基于图像的人工智能 (AI) 模型为MIBC的非侵入性预测提供了潜力.
- 评估这些AI模型的诊断性能和质量对于临床翻译至关重要.
研究的目的:
- 评估AI在预测MIBC方面的诊断性能.
- 通过使用CLAIM,RQS和PROBAST评估AI研究的报告和方法质量.
- 确定在膀癌的AI模型开发中需要改进的领域.
主要方法:
- 在Medline,Embase,Web of Science和Cochrane图书馆进行系统的文献搜索,截至2023年10月.
- 对21项使用CLAIM,RQS和PROBAST的研究 (4256名患者) 的评估.
- 计算聚合的灵敏度,特异性和诊断性能指标 (AUC).
主要成果:
- 人工智能模型在CT (AUC 0.85),MRI (AUC 0.92),放射学 (AUC 0.89) 和深度学习 (AUC 0.91) 模式中显示出有希望的诊断性能.
- 报告质量 (CLAIM 中位数为64.1%) 和方法质量 (RQS 中位数为30.56%) 普遍较低.
- 所有纳入的AI模型都被评估为具有高整体偏差风险.
结论:
- 基于图像的AI模型显示了帮助MIBC识别的潜力.
- 目前对MIBC预测的AI研究报告和方法质量较低,偏差风险较高.
- 未来的研究应该优先考虑更大的样本大小和透明的报告,包括病理评估,模型解释和故障/敏感性分析.
