通过机器学习识别鼻逆向乳头瘤:系统性审查和元分析

科学领域:

• 耳鼻喉科 耳鼻喉科 耳鼻喉科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 鼻反向乳头瘤 (IP) 是一种具有恶性潜力的良性鼻瘤.
• 准确的IP诊断对于适当的管理至关重要.
• 机器学习 (ML) 之前没有被评估为IP诊断.

研究的目的:

• 系统地审查和对ML诊断性能进行元分析,以检测鼻逆向乳头瘤 (IP) 的诊断性能.
• 评估ML模型在区分IP与恶性瘤方面的准确性.

主要方法:

• 在PubMed,Cochrane,Embase和Web of Science数据库中进行系统的文献搜索.
• 使用 QUADAS-2 工具对包含的研究进行质量评估.
• 使用双变的混合效应模型进行元分析.

主要成果:

• 包括17项研究,共3321名参与者.
• 基于放射学的ML模型实现了0.84的灵敏度和0.82.8的特异性.
• 结合放射学和临床特征的ML模型显示,灵敏度 (0.85) 和特异性 (0.87) 得到改善.

结论:

• 机器学习在IP的差异诊断方面表现出有利的诊断性能.
• 建议进行进一步的前性研究,以验证ML工具的更广泛的临床应用.