人工智能算法用于区分伪进展与高度质瘤的真实进展:系统性审查和元分析

科学领域:

• 神经瘤学神经瘤学
• 医学成像分析分析 医学成像分析
• 医学中的人工智能.

背景情况:

• 将伪进展 (PsP) 与真进展 (TP) 区分开来,对于高度质瘤 (HGG) 患者的治疗至关重要.
• 当前的方法在准确区分这些条件时面临挑战.

研究的目的:

• 评估人工智能 (AI) 算法的诊断准确性,以区分HGG患者的PsP与TP.
• 评估AI在区分治疗效应与瘤复发方面的表现.

主要方法:

• 对报告AI算法用于Psp与TP在HGG中的差异化进行研究的元分析.
• 在PubMed,Cochrane和Embase数据库中进行了搜索.
• 评估的指标包括准确度,灵敏度,特异性,PPV,NPV和F1得分在26篇文章 (1,972名患者) 中.

主要成果:

• 人工智能算法实现了80%的整体准确性 (95% CI: 76%-85%).
• 总体灵敏度为85% (95%CI:80%-91%) 和特异性为69% (95%CI:58%-80%).
• 对于质母细胞瘤 (GBM),AI准确率为77% (95%CI:68%-86%).

结论:

• 人工智能算法表明,在高度质瘤中,精确区分伪进展与真正进展的巨大潜力.
• 这些发现表明,人工智能有助于改善HGG管理的临床决策.
• 需要在不同的临床环境中进一步验证.