基于放射学的机器学习在肝脏内胆瘤中的应用状态:系统性审查和元分析
1Department of First Clinical Medical College, Zhejiang Chinese Medical University, Hangzhou, China.
Journal of medical Internet research
|May 5, 2025
概括
基于放射学的机器学习显示在肝脏内胆瘤 (ICC) 检测方面具有很高的准确性. 需要进一步的研究来解决数据异质性,并改进用于ICC诊断和预后的深度学习应用程序.
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:
- 放射学在检测肝脏内胆管癌 (ICC) 方面表现有前途,但缺乏系统的证据.
- 这阻碍了放射学在ICC管理中的进步和广泛的临床采用.
研究的目的:
- 系统地审查ICC中放射学目前的地位和应用价值.
- 为促进ICC诊断和管理中的放射学提供基于证据的支持.
主要方法:
- 在PubMed,科学网,科克兰图书馆和Embase的综合文献搜索.
- 使用Radiomics质量评分进行质量评估.
- 基于数据集,成像来源和模型类型的子组分析.
主要成果:
- 包括58项研究 (12,903名患者),平均Radiomics质量评分为9.21.
- 基于放射学的机器学习 (ML) 模型在诊断ICC,预测存活率和检测各种瘤特征方面表现出高准确性.
- 结合放射学和临床特征,特别是深度学习,产生了卓越的诊断性能 (C指数高达0.924).
结论:
- 基于放射学的ML对ICC临床诊断非常准确,并显示出预测预后和其他瘤特征的潜力.
- 对于特定的任务,例如诊断周神经侵入 (PNI) 和三级淋巴体结构 (TLS),研究有限.
- 解决数据异质性,可解释性和推进深度学习研究对于提高临床实用性和整合性至关重要.
