基于成像的AI用于预测宫癌的淋巴血管空间入侵:系统审查和元分析
Lizhen She1, Yunfeng Li1, Hongyong Wang1
1Department of Radiation Oncology, The Second Hospital of Jilin University, 4026 Yatai Street, Changchun, Jilin Province, 130022, China, 86 17843128126.
Journal of medical Internet research
|June 16, 2025
概括
人工智能 (AI) 在宫癌中检测淋巴血管空间入侵 (LVSI) 方面表现有前途,深度学习模型的表现优于传统机器学习. 需要进一步验证以确认AI.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 在宫癌中检测淋巴血管空间入侵 (LVSI) 的准确性正在争论中.
- 准确的LVSI检测对于宫癌的分期和治疗计划至关重要.
研究的目的:
- 通过元分析评估基于成像的AI的诊断准确性,以预测宫癌中的LVSI.
- 综合现有证据,以AI的表现识别宫癌患者的LVSI.
主要方法:
- 在PubMed,Embase和Web of Science进行了全面的文献搜索,截至2024年11月9日.
- 包括的研究评估了基于成像的AI模型在宫癌中检测LVSI的诊断性能.
- 使用双变随机效应模型计算聚合灵敏度,特异性和AUC,以I2统计学来评估异质性.
主要成果:
- 分析包括了16项研究,涉及2514名患者.
- 检测LVSI的聚合灵敏度,特异性和AUC分别为0.84,0.78和0.87 (间隔验证),0.79,0.76和0.84 (外部验证).
- 深度学习模型的灵敏度明显高于机器学习 (P=.01),使用PET/CT的AI模型优于基于MRI的模型 (P=.01).
结论:
- 基于成像的AI,特别是深度学习,在预测宫癌LVSI方面表现出强大的诊断性能.
- 限制包括来自有限的外部验证和回顾性研究设计的潜在偏差.
- 人工智能具有作为辅助诊断工具的潜力,需要大规模的潜在验证.
