人工智能在胰腺囊管理中的应用:系统性审查

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:

• 胰腺囊性病变 (PCLs) 由于可变的恶性潜在存在诊断挑战.
• 目前的指南 (福冈,AGA) 准确度中等,有过度治疗或错过恶性瘤的风险.
• 人工智能 (AI),机器学习 (ML) 和深度学习 (DL) 可能会提高PCL风险分层和诊断.

研究的目的:

• 系统地审查人工智能模型在诊断,分类和管理胰腺囊方面的应用,性能和临床实用性.
• 评估AI在改善PCL风险分层方面的作用,与现有方法相比.

主要方法:

• 按照PRISMA指南进行系统审查,注册在PROSPERO.
• 在PubMed,EMBASE,Scopus和Cochrane图书馆搜索到2025年3月.
• 包括使用AI/ML/DL用于人类PCL诊断,分类或预后的研究;评估性能指标和偏差 (PROBAST,TRIPOD).

主要成果:

• 31项研究符合标准;大多数是回顾性,重点是使用CT,EUS和MRI进行手术前诊断.
• 神经网络 (CNN) 是常见的AI模型;中位数AUC为0.912,其中55%的AUC≥0.80.
• 人工智能模型在11项研究中表现优于临床医生/指导方针,CNN-EUS模型在IPMN分类中达到99.6%的准确性;然而,93.5%的研究具有高偏差和有限的外部验证.

结论:

• 人工智能显示出改善胰腺囊诊断和风险分层的巨大潜力.
• 临床采用受到高偏差,不足的外部验证和模型解释性问题的阻碍.
• 未来的研究应该专注于前性,多中心研究,采用标准化的报告和可解释,可验证的AI工具.