评估基于MRI的人工智能模型,用于在肝细胞癌中进行微血管入侵的术前预测:系统性审查和元分析
Xin Han1, Lianfeng Shan2, Rui Xu3
1Shandong University of Traditional Chinese Medicine, Jinan 250355, Shandong, China (X.H., M.L.).
Academic radiology
|July 16, 2025
概括
基于磁共振成像 (MRI) 的人工智能 (AI) 在手术前在肝癌 (HCC) 中预测微血管入侵 (MVI) 的准确性很高. 结合成像和临床数据可以提高预测能力,但需要更多的标准化研究.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 微血管入侵 (MVI) 是肝细胞癌 (HCC) 的关键预后因素.
- 精确的MVI手术前预测对于最佳的治疗计划和患者管理至关重要.
- 目前对MVI的诊断方法有局限性,需要先进的预测工具.
研究的目的:
- 系统地评估人工智能 (AI) 模型的诊断性能,利用磁共振成像 (MRI) 进行手术前预测HCC中MVI.
- 评估基于MRI的AI模型的聚合精度指标,包括灵敏度,特异性和AUC.
- 为了比较不同AI方法 (例如,深度学习与传统机器学习) 和功能组合的性能.
主要方法:
- 在PubMed,Embase和Web of Science数据库中进行了系统的文献审查,直到2025年5月,遵守PRISMA指南.
- 包括包括基于MRI的AI模型用于HCC中MVI预测的研究,其中包括具有本病理学确认的研究.
- 质量评估使用QUADAS-2进行,统计合成采用双变的随机效应模型.
主要成果:
- 分析了29项研究,包括2838个内部和1161个外部验证案例.
- 聚合内部验证显示出高性能:灵敏度为0.81,特异性为0.82和AUC为0.88.
- 外部验证证实了可比性能 (AUC 0.85). 传统的机器学习优于深度学习,将放射学与临床特征相结合的模型显示出更高的准确性.
结论:
- 基于MRI的AI模型显示出在HCC中准确的手术前MVI预测的巨大潜力.
- 集成多式联络成像数据和临床变量的模型显示了增强的预测能力.
- 实质性的异质性和证据质量的局限性需要方法标准化和临床翻译的未来多中心验证.
