人工智能应用于子宫内膜癌的超声波中的作用:系统性审查

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 子宫内膜癌的诊断和分期严重依赖于成像技术.
• 超声波成像提供了一种非侵入性方法来评估子宫内膜.
• 人工智能 (AI) 的整合为增强诊断能力提供了机会.

研究的目的:

• 系统地审查和综合AI在子宫内膜癌超声波中的应用.
• 评估人工智能模型的方法方法和诊断准确性.
• 确定AI在各种子宫内膜癌结果中的预测性表现.

主要方法:

• 在PubMed,Scopus和Web of Science进行了全面的文献搜索,截至2025年1月16日.
• 包括使用人工智能超声波用于子宫内膜癌诊断,分期和管理的研究.
• 使用以人工智能为中心的诊断测试准确性研究 (QUADAS-AI) 质量评估工具来评估研究质量.

主要成果:

• 包括30项研究,重点研究了病变分类 (60%),淋巴结转移预测 (13.3%),肌膜侵袭 (10%) 和瘤风险 (6.6%).
• 大多数研究在受试者选择和索引测试中表现出高偏差风险,外部验证有限 (10%).
• 人工智能模型表现出强大的预测性能,但通常受到小样本大小和缺乏外部验证的限制.

结论:

• 对子宫内膜癌超声波的AI应用主要集中在分类和分期模型上.
• 虽然基于人工智能的超声波模型显示出强大的预测能力,但方法上的局限性仍然存在.
• 对于AI在子宫内膜癌症评估中的临床实施,有强有力的验证的进一步研究至关重要.