对人工智能病理学模型用于肺癌诊断的外部验证研究的系统范围审查
Soumya Arun1, Mariia Grosheva2, Mark Kosenko2
1Centre for Cancer Screening, Prevention and Early Diagnosis, Wolfson Institute of Population Health, Queen Mary University of London, London, UK. s.arun@qmul.ac.uk.
NPJ precision oncology
|June 7, 2025
概括
数字病理学肺癌诊断的人工智能 (AI) 模型显示出有希望的结果,特别是在亚型化方面. 然而,有限的外部验证阻碍了广泛的临床采用,需要更严格的测试.
科学领域:
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
- 肺癌的诊断 肺癌的诊断 肺癌的诊断
背景情况:
- 人工智能在肺癌诊断的数字病理学中的临床采用受到外部验证不足的阻碍.
- 人工智能工具执行各种诊断任务,包括组织分类和瘤亚型.
研究的目的:
- 通过数字病理学来审查用于肺癌诊断的AI工具.
- 评估这些AI模型的性能和外部验证.
主要方法:
- 在医学,工程和灰色文献数据库中进行系统的文献搜索 (2010年1月 - 2024年10月).
- 包括22项评估AI模型性能和外部验证的研究.
主要成果:
- 人工智能模型在肺癌亚型 (腺癌与状细胞癌) 中表现出高性能,AUC从0.746到0.999.
- 常见的方法限制包括小的,非代表性的数据集和回顾性研究设计.
结论:
- 人工智能模型显示了通过数字病理学的肺癌亚型识别的潜力.
- 更强大的外部验证对于增加AI诊断工具的临床采用至关重要.
