基于成像的人工智能用于预测宫癌患者的淋巴结转移:系统审查和元分析
Chu-Qian Jiang1,2,3, Xiu-Juan Li1,2,3, Zhi-Yi Zhou1,2,3
1Department of Obstetrics, Guangdong Provincial Key Laboratory of Major Obstetric Diseases, Guangdong Provincial Clinical Research Center for Obstetrics and Gynecology, Guangdong-Hong Kong-Macao Greater Bay Area Higher Education Joint Laboratory of Maternal-Fetal Medicine, The Third Affiliated Hospital of Guangzhou Medical University, Guangzhou, China.
Frontiers in oncology
|March 17, 2025
概括
医学成像中的人工智能 (AI) 与放射科医生相比,在宫癌中检测淋巴结转移 (LNM) 中显示出更高的准确性. 需要进一步的研究来证实这些发现并评估临床适用性.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 淋巴结转移 (LNM) 是宫癌的关键预后因素.
- 精确检测LNM对于最佳的治疗计划和患者的结果至关重要.
- 目前的诊断方法依赖于成像解释,通常由放射科医生进行.
研究的目的:
- 评估人工智能 (AI) 在使用成像检测宫癌中的LNM的诊断性能.
- 将AI的诊断准确度与放射科医生在识别LNM时的诊断准确度进行比较.
主要方法:
- 在主要数据库 (PubMed,Embase,Web of Science) 进行了系统的文献搜索,直到2024年10月.
- 包括使用CT,MRI和PET/CT用于基于AI的宫癌中LNM检测的研究,病理作为参考标准.
- 使用双变随机效应模型将灵敏度,特异性和AUC结合起来,使用QUADAS-2和I2统计数据评估偏差和异质.
主要成果:
- 分析包括23项用于内部验证的研究 (1490名患者) 和6项用于外部验证的研究 (298名患者).
- 在内部验证中,AI显示了0.83的聚合灵敏度和0.78的特异性,AUC为0.87.
- 对于放射科医生来说,聚合灵敏度为0.54,特异性为0.79,AUC为0.65,表明与AI相比,诊断性能较低.
结论:
- 基于成像的人工智能在诊断精度上明显超过了放射科医生,在宫癌中检测淋巴结转移的诊断精度.
- 虽然有希望,但需要进一步的前性研究,严格的标准化和外部验证.
- 这些发现表明,人工智能有可能改善LNM检测和宫癌管理中的临床决策.
