人工智能的诊断价值在区分卵泡甲状腺癌和卵泡甲状腺瘤方面:一个元分析
Di Wu1, Chengfei Sun2, Yilin Hou1
1Department of Ultrasound, The First Hospital of China Medical University, Shenyang, China.
Medicine
|October 7, 2025
概括
人工智能 (AI) 在区分毛囊性甲状腺癌 (FTC) 和毛囊性腺瘤 (FTA) 方面表现有前途. 更大的数据集和交叉验证方法改善了AI.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在诊断中的应用
- 甲状腺癌的研究研究.
背景情况:
- 卵泡性甲状腺癌 (FTC) 是一种常见的甲状腺癌,在手术前很难区分与良性卵泡性腺瘤.
- 现有的关于人工智能用于FTC/FTA差异化的研究表明性能可变.
- 本元分析评估了AI在区分FTC和良性病变方面的整体诊断准确性.
研究的目的:
- 评估人工智能 (AI) 在区分卵泡甲状腺癌 (FTC) 和卵泡腺瘤 (FTA) 的诊断准确性.
- 识别影响AI性能的因素,例如测试集大小和验证策略.
主要方法:
- 在多个医学数据库 (PubMed,Embase,Web of Science等) 中进行全面的文献搜索. ) 的情况.
- 对诊断准确度指标的元分析,包括聚合的灵敏度,特异性和曲线下的面积 (AUC).
- 超回归分析用于调查与测试集大小,验证策略和机器学习模型类型相关的异质性.
主要成果:
- 分析了7项研究,其中包括3163种卵泡性甲状腺瘤 (1287个FTC,1876个FTA).
- 聚合的灵敏度:0.73,聚合的特异性:0.87,AUC:0.94.
- 较大的测试集 (>1000例) 和交叉验证策略显示出优越的AI性能.
结论:
- 人工智能在区分FTC和FTA方面表现出了显著的诊断效用.
- 研究设计元素,特别是更大的测试集大小和交叉验证,对于优化AI准确性至关重要.
- 人工智能有可能成为甲状腺结节诊断中的辅助工具.
