基于计算机断层扫描 (CT) 的放射学和人工智能 (AI) 模型在肝细胞癌中的诊断准确性:系统性审查和元分析
K Sweta1, W Dkhar1, R Kadavigere2
1Department of Medical Imaging Technology, Manipal College of Health Professions, Manipal Academy of Higher Education, Manipal, 576104, Karnataka, India.
Clinical radiology
|September 4, 2025
概括
放射学模型显示使用对比增强计算机断层扫描 (CECT) 检测肝细胞癌 (HCC) 的前景. 然而,为了可靠的临床使用,需要进一步的标准化和验证.
科学领域:
- 医学成像
- 在瘤学中使用人工智能
- 辐射学
背景情况:
- 肝细胞癌 (HCC) 是全球癌症死亡的主要原因.
- 使用CECT检测HCC的AI和放射学模型的诊断性能需要进一步研究.
研究的目的:
- 对机器学习和放射学模型的诊断性能进行系统的审查和元分析.
- 评估人工智能驱动的方法在基于CET的HCC诊断中的有用性.
主要方法:
- 一项系统的文献搜索 (2015-2025) 确定了29项研究.
- 在分析中包括了17项具有独立性能指标的研究.
- 使用随机效应模型计算了聚合的灵敏度,特异性,精度和F1得分.
主要成果:
- 在独立测试数据集上的模型的总体聚合灵敏度和特异性为0.562和0.570.
- 放射学特异模型显示较高的灵敏度 (0.660) 和特异性 (0.670),异质性较低.
- 组合模型表现出较低的性能和高的异质性,可能是由于缺乏独立验证.
结论:
- 独立数据集的放射学模型显示了通过CET检测HCC的一致诊断准确性.
- 方法变化需要标准化报告和外部验证.
- 整合可解释的人工智能对于临床采用这些诊断工具至关重要.
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
07:47Non-Invasive PET/MR Imaging in an Orthotopic Mouse Model of Hepatocellular Carcinoma
Published on: August 31, 2022
2.4K
