使用机器学习来预测下垂体腺瘤手术后的缓解:系统性审查和元分析

科学领域:

• 神经外科 神经外科
• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 下垂体腺瘤 (PA) 患者的术后缓解对于治疗成功和生活质量至关重要.
• 准确预测缓解对于个性化治疗和优化后续护理至关重要.
• 本综述侧重于人工智能驱动的缓解预测作为一个独特的预后应用.

研究的目的:

• 系统地审查和元分析机器学习 (ML) 算法的性能,以预测PA患者的缓解结果.
• 评估ML模型的诊断准确性,以预测PA缓解.

主要方法:

• 在主要数据库 (PubMed,Scopus,Embase,Web of Science,Google Scholar) 进行了全面的文献搜索,截至2024年12月.
• 提取了关键性能指标的数据,包括灵敏度,特异性,准确性,精度,F1得分和AUC.
• 十项符合条件的研究涉及ML方法来预测PA缓解,这些研究被纳入了元分析.

主要成果:

• 机器学习算法,特别是人工神经网络 (ANN),在预测PA缓解方面表现出了有希望的表现.
• 对10项研究的元分析得出了0.84的综合灵敏度和0.84.8的特异性.
• 曲线下的总面积 (AUC) 为0.91,表明ML模型在预测缓解方面具有高的诊断准确性.

结论:

• 基于ML的模型对预测PA患者的缓解结果具有中度至高的诊断准确性.
• 这些模型显示出显著的希望,以提高术后的临床决策.
• 在这些AI工具的常规临床整合之前,建议进行进一步的前性验证和更大规模的研究.