人工智能模型用于预测脊髓转移的结果:系统审查和元分析

科学领域:

• 癌症学
• 医疗信息学
• 放射学

背景情况:

• 脊髓转移严重损害神经功能和生活质量.
• 个性化临床决策需要准确的预后和预测结果.
• 评估人工智能 (AI) 在预测脊髓转移的结果方面的有效性至关重要.

研究的目的:

• 系统评估基于人工智能的模型在预测脊髓转移的成年患者的并发症和治疗结果方面的有效性.
• 在不同预测任务中评估AI模型的准确性和通用性.

主要方法:

• 在主要数据库 (PubMed,Scopus,Web of Science,Embase,Cochrane) 进行全面的文献搜索,直到2025年1月.
• 包括使用人工智能模型预测成年脊髓转移患者的结果的研究,遵守PRISMA指南.
• 使用随机效应模型对AUC结果进行元分析,并通过PROBAST进行质量评估.

主要成果:

• 对47项涉及25790名患者的研究分析显示,加权平均AUC为0. 762 (训练),0. 876 (内部验证) 和0. 810 (外部验证).
• 骨瘤研究小组的机器学习算法 (SORG- MLAs) 在90天和1年死亡率上显示出一致的外部验证AUC> 0. 84.
• 放射学模型显示了对照射和血液损失预测的术前计划的潜力;研究主要集中在乳腺,肺和前列腺癌上.

结论:

• 人工智能模型在预测脊髓转移中的死亡率,门诊状态,血液损失和手术并发症方面表现出合理的准确性.
• 更广泛的实施需要进一步的外部验证,数据标准化和伦理/监管框架的评估.
• 未来的研究应专注于开发多式混合人工智能模型并评估其临床实用性.