使用基于机器学习的模型进行脊柱瘤和脑膜瘤的手术前区分:系统性审查和元分析
Bardia Hajikarimloo1, Ibrahim Mohammadzadeh2, Rana Hashemi1
1Department of Neurosurgery, Shohada Tajrish Hospital, Shahid Beheshti University of Medical Sciences, Tehran, Iran.
World neurosurgery
|May 21, 2025
概括
机器学习模型在手术前准确地区分脊髓神经瘤和脑膜瘤. 这有助于对这些脊髓瘤进行手术规划,改善患者管理.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 在手术前区分脊髓神经瘤和脑膜瘤对于手术规划至关重要.
- 对于这些常见的脊髓瘤,手术方法有所不同.
- 机器学习 (ML) 提供了提高诊断准确性的潜力.
研究的目的:
- 评估基于ML的模型在区分脊髓神经瘤和脑膜瘤的诊断性能.
- 评估ML在术前瘤识别中的准确性.
主要方法:
- 在2024年12月18日进行了全面的文献搜索.
- 分析了包括644名患者在内的6项研究的数据 (364个神经瘤,258个脑膜瘤).
- 对于表现最好的模型,计算了聚合灵敏度,特异性,AUC和诊断几率比率.
主要成果:
- 深度学习模型是最常见的 (66.7%),其次是ML模型 (33.3%).
- 最好的模型获得了高精度 (0.8-0.982) 和AUC (0.876-0.998).
- 聚合分析显示灵敏度为91%,特异性为92%和AUC为0.944.
结论:
- 基于ML的模型显示,在手术前分化脊髓神经瘤和脑膜瘤时,诊断准确度高.
- 这些模型可以显著帮助区分这两种瘤类型.
- 这些发现支持ML在神经瘤学中的临床实用性.
