人工智能在基于图像的血液瘤扩大预测中的表现:系统性审查和元分析
Wenjing Fan1, Zhiping Wu2, Wangyang Zhao1
1Department of Epidemiology, School of Public Health, Dalian Medical University, Dalian, Liaoning, China.
Annals of medicine
|June 11, 2025
概括
人工智能 (AI) 在从医学图像中预测血瘤扩大 (HE) 方面表现有前途. 这次审查发现AI模型,特别是深度学习,在脑出血患者中为HE预测提供了良好的准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 准确预测血瘤扩大 (HE) 对于管理大脑出血至关重要.
- 人工智能 (AI) 提供了增强神经学医学图像分析的潜力.
- 本系统性审查评估了AI在使用医学成像的高等教育中的预测性能.
研究的目的:
- 从医疗图像中系统地审查和分析AI在识别血液瘤扩大 (HE) 的预测性表现.
- 评估AI模型用于HE预测的诊断准确度指标 (灵敏度,特异性,AUC).
- 通过子组分析探索影响AI模型性能的因素.
主要方法:
- 在主要数据库 (Embase,IEEE,PubMed,Web of Science,Cochrane Library) 进行系统的文献搜索,寻找使用CT图像上AI预测HE的研究.
- 数据提取包括2x2应急表或灵敏度/特异性值.
- 使用 QUADAS-AI 评估方法质量;根据 PRISMA 准则标准化报告. 进行了子组分析.
主要成果:
- 包括36篇文章;23篇提供了定量数据. 机器学习 (ML) 实现了78%的综合灵敏度和85%的特异性 (AUC 0.89). 深度学习 (DL) 显示了87%的灵敏度和75%的特异性 (AUC 0.88).
- 亚组分析表明灵敏度更高,训练测试组比为7:3 (0.77,p=0.03).
- 在 >200个样本 (0.83,p=0.02),偏差风险较高 (0.83,p=0.02),在2021年之前发表 (0.84) 和使用单中心数据 (0.85,p<0.001) 的研究中观察到更高的特异性.
结论:
- 使用医学成像的AI算法在预测血瘤扩大 (HE) 方面表现出有效的性能.
- 机器学习和深度学习方法都显示出对HE预测的相当大的诊断准确性.
- 进一步的研究可能会通过考虑数据集大小和研究设计等因素来改进人工智能模型,以提高临床实用性.
