低剂量胸部CT基于人工智能模型在骨质疏松症检测中的准确性:系统性审查和元分析
Huang Ya'nan1, Zhou Jianfeng2, Tang Wei1
1Department of Radiology, Shaoxing People's Hospital (Shaoxing Hospital of Zhejiang University), No. 568 Zhongxing North Road, Shaoxing, 312000, Zhejiang, China.
Calcified tissue international
|May 2, 2025
概括
使用低剂量的胸部CT扫描的人工智能 (AI) 显示出对骨质疏松症查的希望. 人工智能模型准确地识别脊椎,并以高灵敏度和特异性诊断骨质疏松症,有助于早期检测.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 骨质疏松症研究 骨质疏松症研究
背景情况:
- 骨质疏松症是一个重大的公共卫生挑战,往往是晚诊断.
- 低剂量胸部计算机断层扫描 (CT) 扫描越来越常见,为偶然的骨质疏松症查提供了潜在的机会.
- 开发准确有效的查工具对于早期干预至关重要.
研究的目的:
- 系统地审查和评估人工智能 (AI) 算法的诊断准确性,应用于低剂量胸部CT (LDCT) 图像用于骨质疏松症查.
- 评估AI在脊椎细分和随后的骨质疏松症和骨质疏松症诊断中的性能.
主要方法:
- 在主要数据库 (PubMed,Scopus,Web of Science,Cochrane Library) 进行了系统的文献搜索,截至2024年12月13日.
- 根据PRISMA-DTA指南进行了一项元分析,使用修改后的QUADAS-2来评估研究质量.
- 人工智能模型的性能使用聚合的灵敏度,特异性,曲线下的面积 (AUC) 和子相似系数 (DSC) 来评估脊椎细分.
主要成果:
- 八项研究被纳入了元分析.
- 对于自动脊椎细分的合并子相似系数 (DSC) 是0.92 (95% CI 0.88-0.97).
- 对于检测异常 (骨质疏松症+骨质疏松症) 和骨质疏松症病例,综合灵敏度分别为0.90 (95% CI 0.88-0.91) 和0.86 (95% CI 0.82-0.89). 聚合的特异性为0.90 (95% CI 0.88-0.91) 和0.93 (95% CI 0.92-0.94),总体ROC曲线为0.9653和0.9676.
结论:
- 以低剂量胸部CT为基础的AI模型显示出识别可能患有骨质疏松症或骨质疏松症的患者的巨大潜力,需要进一步评估.
- 诸如数据集来源,注释方法,放射学含义和脊柱细分范围等因素影响了AI模型异质性.
- 需要进行前性,多中心,多数据集的研究,以充分确定人工智能在使用LDCT诊断骨质疏松症中的互补作用.
