人工智能支持的组织学在评估性结肠炎的组织学缓解时表现出与病理学家相似的准确性:系统性审查,元分析和元回归

科学领域:

• 胃肠病学 胃肠病学
• 医疗信息学 医疗信息学
• 计算病理学计算病理学

背景情况:

• 组织学缓解是性结肠炎 (UC) 的关键治疗目标.
• 在UC中评估组织学缓解是具有挑战性的,因为变异性和缺乏标准化.
• 人工智能 (AI) 为提高评估准确性和一致性提供了潜在的解决方案.

研究的目的:

• 系统地审查和元分析AI模型在评估UC组织学缓解中的表现.
• 将AI的诊断性能与人类病理学家的诊断性能进行比较.
• 通过元回归来识别影响AI性能的因素.

主要方法:

• 系统地搜索Medline/PubMed和Scopus数据库,直到2024年9月.
• 包括评估AI模型用于UC组织学活动评估的研究.
• 计算聚合的绩效指标 (灵敏度,特异性,PPV,NPV,协议,F1得分) 和对比AI和病理学家的元分析.

主要成果:

• 包括12项研究,显示出强大的AI性能 (聚合灵敏度为0.84,特异性为0.87,F1得分为0.85).
• 人工智能的表现与病理学家在特异性,一致性和F1分数方面是可比的.
• 人工智能在灵敏度和NPV方面表现优于病理学家;成年人群人工智能模型显示异质性减少.

结论:

• 人工智能显示出评估UC组织学缓解的巨大潜力,其性能与专家病理学家相当.
• 建议进行标准化,大规模的研究,以尽量减少异质性,并促进人工智能实施.
• 人工智能有可能解决UC组织学评估中的变异性和标准化问题.