使用基于人工智能的成像来预测非小细胞肺癌中的淋巴结转移:系统性审查和元分析

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 非小细胞肺癌 (NSCLC) 是全球癌症死亡的主要原因.
• 早期检测和准确的预后对于改善患者存活率至关重要.
• 人工智能 (AI) 为分析医疗数据提供了先进的功能.

研究的目的:

• 评估基于AI的模型在预测NSCLC患者淋巴结转移 (LNM) 的诊断准确性和有效性.
• 评估AI模型的性能,使用成像数据进行NSCLC预后.
• 为临床决策和治疗选择提供见解.

主要方法:

• 在主要数据库 (PubMed,科学网,科克兰图书馆,Embase) 进行了系统的文献搜索,截至2024年1月31日.
• 11项涉及6088名非小细胞癌患者的回顾性研究的元分析,使用QUADAS-2进行质量评估.
• 计算了聚合灵敏度,特异性和AUC;通过元回归和子组分析探索异质性.

主要成果:

• 基于AI的成像模型在预测NSCLC中的LNM方面表现出高准确性,聚合灵敏度为0.87,特异性为0.85,AUC为0.92.
• 观察到显著的异质性,受成像模式 (CT,PET/CT) 和神经网络模型设计的影响.
• 使用单中心数据和LASSO方法的模型显示了增强的灵敏度;没有检测到出版偏差.

结论:

• 使用成像数据的AI驱动模型在NSCLC中预测LNM方面表现出强大的诊断性能.
• 这些人工智能工具具有临床应用的潜力,有助于预后和治疗计划.
• 进一步的研究可能会改进人工智能模型的开发,以提高肺癌管理.