胆病诊断的进步:对成像分析中的机器学习应用进行系统审查
Almegdad S Ahmed1, Sharwany S Ahmed1,2, Shakir Mohamed1
1Faculty of Medicine, University of Khartoum, Khartoum, SDN.
Cureus
|September 9, 2024
概括
机器学习 (ML) 显示出用于诊断胆结石的前景,使用超声波和CT扫描等成像. 需要进一步验证,以确保这些人工智能工具在临床使用中可靠.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 胃肠病学和肝病学
背景情况:
- 胆结石病影响全球许多人,其中的危险因素包括肥胖,糖尿病和遗传学.
- 并发症范围从胆囊炎到胆囊癌,需要准确的诊断.
- 目前的成像方法,如超声波 (美国),计算机断层扫描 (CT) 和磁共振胆血管细胞造影 (MRCP),具有不同的灵敏度和特异性.
研究的目的:
- 系统地审查和评估用于检测胆结石的机器学习 (ML) 技术的诊断准确性.
- 评估AI/ML算法在分析医疗图像以识别胆结石时的性能.
主要方法:
- 根据PRISMA指南进行了系统审查.
- 在PubMed,Cochrane图书馆,Scopus和Embase进行了搜索,截至2024年4月.
- 包括使用AI/ML算法和成像模式 (US,CT,MRCP) 检测胆结石的研究;不包括非成像研究和评论.
主要成果:
- 八项研究符合纳入标准,主要使用超声波,CT或MRCP的回顾性设计.
- 所有研究都使用神经网络,主要是卷积神经网络 (CNN),用于检测胆结石.
- 模型在60至2386名患者和60至17560张图像的数据集上进行了训练和验证.
结论:
- 经过审查的ML模型在胆结石诊断中显示出有前途的性能,与专家放射科医生相美.
- 要确保这些AI诊断工具在各种临床环境中的可靠性和通用性,需要大量的工作.
- 严格的验证和考虑限制对于ML在胆结石检测中的成功临床整合至关重要.
