放射性特征作为人工智能预后模型在质母细胞瘤:一个系统的审查和元分析

科学领域:

• 神经瘤学神经瘤学
• 医学成像分析 医学成像分析
• 人工智能在医学中的应用

背景情况:

• 质母细胞瘤是最常见的原发性脑瘤,占中枢神经系统瘤的80%.
• 精确的预后对于神经瘤学至关重要,包括评估随时间的疾病进展.
• 从MRI中获得的放射性特征 (RF),利用人工智能 (AI),为预后评估提供一种非侵入性方法.

研究的目的:

• 系统地审查和评估质母细胞瘤中放射性特征 (RF) 的预后意义.
• 评估RFs与AI结合在预测患者生存结果中的实用性.

主要方法:

• 在PubMed,ScienceDirect,EMBASE,Web of Science和Cochrane数据库中进行了广泛的文献搜索,截至2024年7月25日.
• 包括专注于质母细胞瘤,MRI,放射学和人类受试者的预后/生存的研究,不包括病例报告和评论.
• 使用纽卡斯尔-太华尺度 (NOS) 评估研究质量,并使用随机效应模型汇总总生存率 (OS) 和无进展生存率 (PFS) 的危险比率 (HR).

主要成果:

• 在253项初步研究中,有14项符合资格标准,包括12项OS和8项PFS,共分别有1,639名和747名患者.
• 综合的整体生存危险比 (HR) 为3.59 (95% CI,1.80-7.17).
• 无进展生存期 (PFS) 的综合危险比率 (HR) 为4.20 (95% CI,1.02-17.32).

结论:

• 放射性特征 (RF) 与人工智能 (AI) 的整合在质母细胞瘤中显示出显著的预后价值.
• 这种人工智能驱动的放射学方法为预测质母细胞瘤患者的整体存活率 (OS) 和无进展存活率 (PFS) 提供了强大的工具.