人工智能和机器学习预测跨动脉化学栓塞结果:系统性审查
Elina En Li Cho1, Michelle Law2, Zhenning Yu2
1Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore, Singapore.
Digestive diseases and sciences
|December 21, 2024
概括
在肝细胞癌 (HCC) 中预测跨动脉化学血栓化 (TACE) 反应是具有挑战性的. 人工智能和放射学模型在预测HCC患者的TACE结果方面表现有希望.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 超动脉化血栓化 (TACE) 是中期肝细胞癌 (HCC) 的标准治疗方法.
- 在HCC患者中预测TACE治疗反应仍然是一个重大的临床挑战.
研究的目的:
- 系统地审查放射学和人工智能模型的性能和有效性,以预测HCC的TACE结果.
- 评估这些预测模型的诊断准确性.
主要方法:
- 在Medline和Embase数据库进行系统的文献搜索,截至2024年4月7日.
- 包括开发TACE反应预测模型的研究,并使用AUC,特异性或灵敏度评估性能.
- 不包括综述,病例系列,儿科和动物研究.
主要成果:
- 包括64篇涉及13,412名患者的文章.
- 使用治疗前CT和MRI扫描的AI模型在预测TACE疗效方面具有价值.
- 基于放射学模型和组合模型 (成像+非成像特征) 显示出卓越的性能.
结论:
- 结合了整合临床,实验室和放射学特征的综合预测模型,显示了在HCC中准确预测TACE反应的潜力.
- 人工智能和放射学为提高HCC患者的治疗个性化提供了有希望的工具.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
05:31Transradial Access Chemoembolization for Hepatocellular Carcinoma Patients
Published on: September 20, 2020
5.5K
