人工智能用于检测和表征焦点肝病变:一篇综述

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 在腹部成像期间经常发现焦点肝病变 (FLL),大多数是良性的,但由于恶性瘤的潜力,有些需要紧急注意.
• 准确检测和分类FLL对于患者管理至关重要,需要先进的诊断工具.
• 计算机断层扫描 (CT) 和磁共振成像 (MRI) 是FLL评估的标准,但解释可能具有挑战性.

研究的目的:

• 审查人工智能 (AI) 算法的诊断能力,分析CT和MRI用于FLL检测和分类.
• 评估AI在区分良性,前恶性和恶性焦点肝病变方面的有效性.
• 评估AI在提高诊断准确性和简化FLL管理临床工作流程方面的潜力.

主要方法:

• 通过文献搜索,发现了在2010年1月至2024年4月期间发表的45项研究,重点关注用于FLL特征的AI.
• 主要的人工智能方法包括深度学习,特别是卷积神经网络 (CNN).
• 参考标准包括由专家放射科医生手动划分病变和组织学确认作为黄金标准.

主要成果:

• 人工智能算法在检测和描述FLL时表现出高准确度,灵敏度,特异性和曲线下面积 (AUC) 值.
• 人工智能有效地区分了良性和恶性肝病变.
• 研究表明,人工智能有潜力优化诊断协议,并最大限度地减少侵入性手术的需要.

结论:

• 基于人工智能的算法在从CT和MRI数据中改善焦点肝病变的检测和分类方面显示出显著的希望.
• 人工智能工具可以提高诊断准确度,特别是在区分病变类型方面,从而改善患者分层.
• 未来的研究应该专注于更大的数据集,模型解释性和多中心验证,以广泛采用临床.