在胰腺内导管内皮质粘膜瘤成像中的人工智能:系统性审查
Muhammad Ibtsaam Qadir1, Jackson A Baril2, Michele T Yip-Schneider2
1Weldon School of Biomedical Engineering, Purdue University, West Lafayette, Indiana, United States of America.
PLOS digital health
|July 23, 2025
概括
人工智能 (AI) 在通过分析医疗图像来改善导管内皮膜粘膜瘤 (IPMN) 的诊断方面表现有前途. 需要对更大,更多样化的数据集进行进一步的研究,以翻译AI.
科学领域:
- 胃肠病学和肝病学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 目前的导管内皮质粘膜瘤 (IPMN) 管理依赖于成像,其灵敏度高,但特异性低,导致过度治疗.
- 人工智能 (AI) 通过分析医疗图像,有可能提高IPMN的诊断准确性.
- 进行了系统性审查,以分析IPMN成像中AI的当前研究格局.
研究的目的:
- 为研究趋势提供全面的概述,并确定IPMN成像AI应用中的差距.
- 评估IPMN诊断和风险分层中的AI模型临床翻译的当前阶段.
主要方法:
- 在IPMN成像中对1041个已识别的AI出版物的系统审查中,包括25项研究在分析中.
- 研究根据预测目标,数据类型,成像模式,患者队列大小和临床翻译阶段进行了分层.
- 分析的重点是确定趋势,常见的方法 (例如,卷积神经网络 - CNNs) 和应用领域 (例如,差异诊断,风险分层).
主要成果:
- 对IPMN成像AI的研究正在迅速增长,大多数研究使用CT扫描和单中心数据集 (<250名患者).
- 基于卷积神经网络 (CNN) 的算法普遍存在.
- 大多数人工智能模型侧重于差异诊断和风险分层,对IPMN检测或细分的研究较少.
结论:
- 人工智能具有显著的潜力,可以提高IPMN患者分层的准确性和精度.
- 多中心协作和多样化的数据集对于推进IPMN成像中的AI至关重要.
- 需要共同努力将人工智能研究成果转化为临床实践,以更好地管理IPMN.
