人工智能辅助的支骨内膜超声波用于区分良性和恶性胸部淋巴结:一个元分析
Fei Tang1, Xian-Kui Zha2, Wei Ye2
1Respiratory and Critical Care Medicine Department and Endoscopic Diagnosis and Treatment Center, Anhui Chest Hospital, Hefei, 230022, Anhui Province, China. tangfei1205@163.com.
BMC pulmonary medicine
|July 3, 2025
概括
人工智能 (AI) 辅助的支骨内膜超声波 (EBUS) 显示出区分良性与恶性胸腔淋巴结的有望性. 虽然具体,但由于中度敏感性和异质性,需要进一步验证.
科学领域:
- 肺部病理学 肺部病理学
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 胸腔内膜超声波 (EBUS) 对于评估胸腔淋巴结 (LNs) 至关重要,特别是在肺癌分期.
- 在EBUS中整合人工智能 (AI) 提供了提高诊断准确性的潜力.
- 人工智能辅助EBUS在区分良性与恶性胸部LNs的有效性需要进一步调查.
研究的目的:
- 进行元分析,评估人工智能辅助EBUS的诊断性能.
- 将人工智能辅助的EBUS与胸部LN差异化病理参考标准进行比较.
- 评估人工智能辅助EBUS在识别恶性与良性胸部LN的准确性.
主要方法:
- 在主要数据库 (PubMed,Embase,Web of Science) 进行系统的文献搜索.
- 包括通过AI辅助EBUS评估的胸部LNs病理确认的研究.
- 使用随机效应模型对灵敏度,特异性,概率比率和诊断几率比率 (OR) 的聚合分析;AUROC计算.
主要成果:
- 分析了12项包括6090个胸部LN的研究.
- 人工智能辅助的EBUS显示了0.75的聚合灵敏度和0.88的特异性,AUROC为0.90.
- 与前性研究相比,回顾性研究显示了更高的灵敏度,但较低的特异性;根据LN位置或AI模型类型没有显著差异.
结论:
- 人工智能辅助的EBUS显示出区分良性与恶性胸部LNs的潜力,特别以其高特异性而闻名.
- 观察到的大量异质性和中度敏感性需要仔细解释结果.
- 建议进行进一步的研究和验证,以确认人工智能辅助EBUS的临床实用性.
