基于CT的人工智能对胆管癌早期复发的诊断性能:系统性审查和元分析
Jie Chen1, Jianxin Xi2, Tianyu Chen3
1Department of Radiology, The First Hospital of Jilin University, 71 Xinxin Street, Chaoyang District, Changchun City, Jilin Province, China, Jilin, CN.
Journal of medical Internet research
|September 4, 2025
概括
人工智能 (AI) 模型使用CT扫描预测早期胆管癌 (CCA) 复发的准确性很高. 然而,在外部验证方面表现有所下降,这凸显了需要进一步的研究和标准化.
科学领域:
- 医学成像分析
- 在瘤学中使用人工智能
- 诊断性能评估
背景情况:
- 人工智能模型显示使用CT扫描的早期胆管癌 (CCA) 复发预测具有希望.
- 这些人工智能模型的临床应用受到重现性,通用性和偏见等问题的阻碍.
- 人工智能在各种数据集和群体中的实用性和性能存在担忧.
研究的目的:
- 系统评估使用CT成像预测早期CCA复发的AI模型的诊断性能.
- 在内部和外部验证队列中评估灵敏度,特异性,诊断几率比率 (DOR) 和AUC.
主要方法:
- 在PubMed,Embase和Web of Science进行系统的文献搜索,直到2025年5月.
- 包括的研究重点是对CT应用的AI,用于预测1年内CCA的复发.
- 用于汇集性能指标的双变随机效应模型;使用I2统计评估异质性.
主要成果:
- 分析了9项涉及1537名患者的研究.
- 内部验证显示了高的综合性能:灵敏度为0.87,特异性为0.85,AUC为0.93.
- 外部验证显示性能中等:灵敏度为0.87,特异性为0.82,AUC为0.85;AUC明显低于内部验证 (P<.001).
结论:
- 在内部验证中,基于CT的AI模型对早期CCA复发具有很高的预测性能.
- 在外部验证中,表现适度,这表明普遍性存在挑战.
- 高异质性需要进一步的前性研究和标准化方法来确认临床效用.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
193
