胃癌中的人工智能:对机器学习和深度学习应用的系统审查

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 胃癌 (GC) 是全球癌症死亡的主要原因.
• 由于微妙的症状,晚期诊断显著降低了生存率.
• 人工智能,特别是ML和DL,为早期检测和改进管理提供了潜在的解决方案.

研究的目的:

• 系统地审查ML和DL模型在胃癌管理中的性能和应用.
• 评估AI在检测,诊断,治疗计划和预后预测方面的作用.
• 确定AI在GC护理中的临床整合的局限性和挑战.

主要方法:

• 在主要数据库 (MEDLINE,科学网,Scopus) 中从2004-2025年按照PRISMA 2020指南进行系统的文献搜索.
• 在GC中使用内镜,CT,病理学或多模式数据应用ML/DL进行诊断或预后任务的研究.
• 独立审查,数据提取和两名审查员对偏见风险的评估.

主要成果:

• 59项研究符合纳入标准;DL模型,特别是CNN,在早期GC检测方面表现出很高的表现 (灵敏度高达95.3%,AUC高达0.981).
• 基于CT的放射学和DL模型实现了0.825-0.972的AUC,用于阶段和转移的预测.
• 病理学和多模式方法在检测和治疗反应预测方面表现出高精度 (高达100%) 和AUC (高达0.951),尽管存在诸如偏见和解释性等挑战.

结论:

• ML和DL模型具有显著的潜力,可以提高早期胃癌检测,诊断准确性和个性化治疗策略.
• 解决诸如算法偏差,数据集多样性和可解释性等挑战对于临床采用至关重要.
• 未来的研究将重点放在大型,多样化的数据集和前性试验上,这对于将人工智能整合到胃癌管理的精密瘤学中至关重要.