相关实验视频
Updated: Jan 16, 2026
09:49
Experimental Model to Evaluate Resolution of Pneumonia
Published on: February 17, 2023
1.8K
对人工智能模型进行系统审查和元分析,以诊断和分类型成年人ARDS
Javier Muñoz1, Rocío Ruíz-Cacho2, Nerio José Fernández-Araujo2
1Intensive Care Unit, Hospital General Universitario Gregorio Marañón, Madrid, Spain; Instituto de Investigación Sanitaria Gregorio Marañón, Madrid, Spain.
Heart & lung : the journal of critical care
|October 2, 2025
概括
人工智能 (AI) 对急性呼吸困扰综合征 (ARDS) 显示出强大的诊断准确性,但需要更好的校准和外部验证才能在临床上使用. 人工智能还可以通过亚表型化来实现患者分层的潜力.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 临床诊断 临床诊断 临床诊断
背景情况:
- 人工智能 (AI) 越来越多地被认为具有提高急性呼吸困扰综合征 (ARDS) 诊断和特征的潜力.
- 人工智能模型在识别独特的ARDS亚现型方面具有前景,这可能导致更个性化的治疗策略.
- 准确识别ARDS及其亚型对于有效的患者管理和治疗干预至关重要.
研究的目的:
- 系统地评估人工智能模型在识别成年人ARDS的诊断性能.
- 评估用于ARDS诊断和亚类型的AI模型的方法质量和报告标准.
- 分析AI在区分不同ARDS亚型的有效性.
主要方法:
- 进行了全面的系统性审查和元分析,包括63项研究,共有135,762名参与者.
- 数据是从PubMed,Embase和Cochrane图书馆提取的,重点是2013年至2024年间发表的研究.
- 使用PROBAST评估了偏差风险,并分析了包括灵敏度,特异性,AUROC,校准和验证方法在内的关键AI性能指标.
主要成果:
- 在诊断ARDS时,人工智能模型的聚合灵敏度和特异性分别为0.89和0.88,AUROC为0.90.
- 在研究中观察到很高的异质性 (I2>85%),只有31%的研究被评为高质量.
- 深度学习和基于成像的模型显示出更高的性能;然而,仅在18%的研究中探索了子类型,并且经常缺乏校准和外部验证.
结论:
- 人工智能模型表明,在高精度诊断ARDS方面有很大的潜力.
- 局限性包括校准报告不足和外部验证的稀缺性,阻碍临床采用.
- 探索性亚表型化表明患者分层的未来机会,强调需要前性验证和标准化报告.
