人工智能与无定性和恶性胆管收紧症的数字胆管镜相结合的作用:系统性审查和元分析

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 胃肠病学 胃肠病学

背景情况:

• 通过ERCP和胆管透视检查对无限期胆管狭窄的诊断采样是不理想的.
• 人工智能 (AI) 和机器学习显示出增强胆管镜诊断产量的潜力.
• 计算机视觉算法正在开发用于人工智能辅助胆血管镜.

研究的目的:

• 系统地审查和元分析AI在胆血管镜诊断中的诊断性能.
• 为了评估AI相关的胆血管镜诊断不确定的或恶性胆道狭窄.
• 评估AI算法在分析胆血管镜图像中的准确性.

主要方法:

• 按照PRISMA和MOOSE指南进行的系统审查和元分析.
• 分析使用了科克伦诊断测试准确性工作组方法.
• 一个双变量模型计算了聚合的灵敏度,特异性和总结接收器操作特征 (SROC) 曲线.

主要成果:

• 包括五项研究 (675个病变),分析深度学习人工智能系统 (CNN).
• 聚合灵敏度为95% (95% CI: 85-98) 和聚合特异性为88% (95% CI: 76-94).
• 整体诊断准确率 (SROC) 为97% (95% CI: 95-98),CNN研究显示了类似的结果.

结论:

• 基于人工智能的机器学习应用于胆血管镜图像是一个有前途的诊断工具.
• 人工智能提高了不确定的和恶性胆道狭窄的诊断性能.
• 这项技术有可能提高诊断胆道疾病的准确性.