这页已由机器翻译。其他页面可能仍然显示为英文。 View in English

人工智能模型在预测肝细胞癌对跨动脉化学栓塞 (TACE) 的反应性方面的表现:系统审查和元分析

Iman Kiani ¹, Iman Razeghian ², Parya Valizadeh ³

⁰Students' Scientific Research Center, Tehran University of Medical Sciences, Tehran, Iran; School of Medicine, Tehran University of Medical Sciences, Tehran, Iran.

Journal of the American College of Radiology : Jacr +

|

2025年九月1日

在PubMed上查看摘要

概括

人工智能 (AI) 模型,包括深度学习 (DL) 和手工放射学 (HCR),在预测经过过动脉化学栓塞 (TACE) 的肝细胞癌 (HCC) 患者的治疗疗效方面表现有希望. 由于观察到的异质性,需要进一步研究.

科学领域

放射学和瘤学
医学的人工智能
医学成像分析

背景情况

肝细胞癌 (HCC) 是全球癌症死亡的主要原因.
手工制作的放射学 (HCR) 和深度学习 (DL) 模型为HCC提供先进的图像分析.
预测HCC的治疗反应对于患者的结果至关重要.

研究的目的

系统地审查和元分析人工智能模型的预测性能,以确定在经过过动脉化学栓塞 (TACE) 的HCC患者的治疗疗效.
为了比较DL与HCR模型以及具有或没有临床数据的模型的有效性.

主要方法

在主要数据库 (PubMed,Embase,Web of Science,Cochrane Library) 进行全面的文献搜索,直到2024年6月.
包括接受TACE的HCC患者的研究.
随机效应诊断测试准确性的元分析使用双变量建模和PROBAST进行质量评估.

主要成果

包括27项研究;其中11项对TACE治疗反应进行了元分析.
内部验证的AUROC为0. 89和外部验证的AUROC为0. 81.
在DL和HCR模型之间或具有和没有临床数据的模型之间没有发现显著的差异.

结论

人工智能模型 (DL 和 HCR) 显示出对接受TACE的HCC患者治疗结果的预测潜力.
该研究强调需要进一步研究以解决人工智能模型性能的异质性.
人工智能为个性化治疗策略提供了一个有前途的途径.

关键词:

深度学习肝细胞癌辐射学通过动脉化学栓塞