人工智能增强的圆束计算机断层扫描用于慢性鼻炎的诊断评估:系统性审查
Muhammad H Chaudhary1, Nada Dahan2
1Otolaryngology, East Cheshire NHS Trust, Manchester, GBR.
Cureus
|October 16, 2025
概括
人工智能 (AI) 与形光束计算机断层扫描 (CBCT) 结合,显示出诊断慢性鼻炎 (CRS) 的高精度. 为了在CRS管理中广泛使用AI增强的CBCT,需要进一步的验证.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 慢性鼻炎 (CRS) 是一种普遍存在的全球性炎症状况,影响生活质量和医疗资源.
- 圆束计算断层扫描 (CBCT) 为CRS诊断提供高分辨率的3D成像,但在解释时间和可变性方面面临挑战.
- 人工智能 (AI),特别是深度学习,为提高医疗成像诊断精度和效率提供了机会.
研究的目的:
- 系统地审查和评估AI增强的慢性鼻炎 (CRS) CBCT的诊断性能.
- 评估AI算法的方法质量和临床适用性,应用于CBCT用于鼻腔评估.
- 综合关于人工智能在使用CBCT提高CRS诊断的准确性和效率方面的证据.
主要方法:
- 在主要数据库 (PubMed,Embase,Cochrane,IEEE,Web of Science) 进行系统的文献搜索,直到2025年3月.
- 包括将AI应用于CBCT用于CRS诊断或鼻评估的研究,并提供定量结果.
- 使用QUADAS-2进行独立的数据提取和质量评估;使用GRADE对证据确定性进行分级.
主要成果:
- 24项研究符合纳入标准,使用各种AI方法,如CNN和U-Net架构.
- 人工智能应用专注于上鼻炎检测,粘膜厚量化和解剖变异识别.
- 报告的高诊断准确度,敏感度 (77.896.7%),特异性 (78.994.2%),以及特定应用的AUC (0.830.98).
- 适度的研究质量和证据确定性,包括追溯设计和有限的外部验证在内的限制.
结论:
- 人工智能增强的CBCT显示出CRS准确诊断的巨大潜力,特别是在大鼻炎和粘膜厚方面.
- 目前的证据受限于方法限制,需要标准化的协议和未来的多中心验证.
- 对以患者为中心的结果和经济评估的进一步研究对于在CRS中临床实施AI-CBCT至关重要.
