用于乳腺癌检测和其健康技术评估的人工智能:范围审查

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 人工智能和机器学习有可能改善乳腺癌 (BC) 临床护理,提高诊断准确性和效率.
• 尽管取得了进展,但人工智能在BC检测和诊断中的广泛临床整合在评估方面面临挑战.
• 评估基于人工智能的医疗技术在BC护理中的健康和经济结果是一个持续的过程.

研究的目的:

• 审查AI/ML在乳腺成像临床任务和决策中的应用.
• 在卫生技术评估 (HTA) 中探索基于AI的BC技术的证据.

主要方法:

• 在PubMed和Scopus进行系统的文献搜索 (2015年1月至2023年10月).
• 使用PRISMA-P进行搜索协议和MI-CLAIM检查列表进行AI算法质量评估.
• 应用HTA核心模型®来评估证据的稳定性和成本效益.

主要成果:

• 包括104项研究;大多数专注于临床有效性 (78.84%).
• 很少有研究报告了临床实践的伦理 (31.73%) 或法律 (25%) 批准.
• 对成本效益 (2项研究) 和组织影响的关注有限;可重复性得分低 (14.7%).

结论:

• 数据,道德,稳定性和工作流集成方面的挑战阻碍了在BC护理中采用AI.
• 当前的HTA方法因需要全面的现实世界证据而复杂化.
• 需要适应的评估框架来评估人工智能系统的系统级影响,而不仅仅是技术性能.