对于类风湿性肌肉骨疾病手部成像的算法方法:一个系统的文献综述
Laetitia Perronne1, Marie Binvignat2, Nathan Foulquier3
1PARCC UMRS 970, INSERM, Paris, France; Quantitative Imaging Core Lab, Northwestern University Feinberg School of Medicine, 676 North Saint Clair Street, Suite 800, Chicago, IL 60611, USA.
Seminars in arthritis and rheumatism
|May 11, 2025
概括
机器学习 (ML) 显示出手部成像在类风湿性疾病的前景. 然而,有限的外部验证和数据共享阻碍了临床采用,需要在这些领域进行改进以获得更广泛的应用.
科学领域:
- 类风湿病学 类风湿病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 类风湿性肌肉骨疾病 (RMDs) 显著影响手的功能.
- 精确的手部成像对于诊断和管理RMDs至关重要.
- 机器学习 (ML) 在分析医疗图像方面提供了潜在的进步.
研究的目的:
- 系统地审查在RMD手部成像中的ML应用.
- 评估使用的ML算法,成像模式和验证方法.
- 确定基于ML的RMD手部成像中需要改进的领域.
主要方法:
- 按照PRISMA指南进行系统的文献审查.
- 在PubMed,EMBASE和Scopus中使用MeSH术语和关键词进行搜索.
- 将ML研究纳入骨关节炎 (OA),类风湿性关节炎 (RA) 和牛皮性关节炎 (PsA) 的手部成像中.
主要成果:
- 32项研究符合纳入标准;RA是最受研究的 (88%).
- 卷积神经网络 (CNN) 是常见的 (50%);标准放射图占主导地位 (59%).
- 外部验证率低 (15%) 和数据可用性低 (6%);使用可解释性28%.
结论:
- 机器学习在RMD手部成像诊断和管理方面具有重大潜力.
- 主要挑战包括外部验证不足和有限的数据共享.
- 需要更广泛的疾病覆盖范围和增强的可复制性才能获得临床采用.
