基于成像的人工智能模型的诊断性能,用于在临床上阴性状甲状腺癌的宫淋巴结转移的手术前检测:系统审查和元分析
Bosheng Li1, Gang Cheng2, Yeping Mo1
1Department of Ultrasound, Changde Hospital, Xiangya School of Medicine, Central South University, Changde, Hunan, China.
Head & neck
|August 4, 2025
概括
人工智能 (AI) 模型在诊断乳头甲状腺癌的淋巴结转移方面表现出高准确度. 基于超声波的AI模型在这个诊断任务中表现优于人类放射科医生.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 乳头甲状腺癌 (PTC) 是一种常见的甲状腺恶性瘤.
- 宫淋巴结转移 (LNM) 的准确手术前分期对于临床结节阴性 (cN0) PTC的治疗规划至关重要.
- 图像对评估LNM起着至关重要的作用,但人类的解释可能有局限性.
研究的目的:
- 系统地审查和元分析基于成像的人工智能 (AI) 模型的诊断性能,用于在cN0 PTC中进行手术前宫LNM检测.
- 将人工智能模型的性能与人类放射科医生的性能进行比较.
主要方法:
- 在PubMed,Embase和Web of Science进行了全面的文献搜索,截至2025年2月25日.
- 包括专注于人工智能模型用于cN0 PTC中LNM预测的研究.
- 使用双变随机效应模型分析诊断性能指标,并使用QUADAS-2工具评估研究质量.
主要成果:
- 包括11项涉及3366名患者的研究.
- 基于超声波 (美国) 的AI模型实现了0.79的综合灵敏度和0.82.8的特异性.
- 美国人工智能模型的表现明显高于放射科医生 (p < 0.001).
- 基于CT的AI模型显示灵敏度为0.78和特异性为0.89.
结论:
- 基于成像的AI模型,特别是那些利用US的AI模型,在cN0 PTC中表现出宫LNM有前途的诊断能力.
- 需要进一步的多中心前性研究来对这些人工智能工具进行强有力的验证.
