基于MRI的深度学习算法与在结直肠癌中淋巴结转移的放射科医生:系统性审查和元分析
Fengguo Wang1, Wenjun Deng1, Zhilin Zhong1
1Department of Radiology, Wuhan Asia General Hospital, Wuhan, Hubei, China.
Academic radiology
|October 17, 2025
概括
使用MRI的深度学习 (DL) 算法在检测结肠直肠癌 (CRC) 中的淋巴结转移时,与放射科医生相比,显示出更高的准确性. 需要进一步的前性研究来证实这些发现在不同人群中.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 结肠直肠癌 (CRC) 诊断严重依赖于精确检测淋巴结转移 (LNM).
- 目前的诊断方法,主要涉及放射科医生对MRI的解释,在灵敏度和特异性方面面临限制.
- 人工智能的进步,特别是深度学习 (DL),为改善诊断准确性提供了潜力.
研究的目的:
- 系统地审查和元分析基于MRI的深度学习 (DL) 算法的诊断性能,以检测结肠直肠癌 (CRC) 中的淋巴结转移 (LNM).
- 为了比较DL算法的诊断准确度与放射科医生在CRC患者中的LNM检测中的诊断准确度.
主要方法:
- 在PubMed,Embase和Web of Science进行了全面的文献搜索,截至2025年6月30日.
- 包括的研究评估了基于MRI的DL算法,用于CRC中LNM诊断,使用组织病理学作为参考标准.
- 聚合灵敏度,特异性和AUC是使用双变随机效应模型计算的;偏差风险和适用性是使用PROBAST+AI评估的;证据的确定性被评为GRADE.
主要成果:
- 十项研究符合纳入标准.
- 在内部验证队列 (9项研究,n=1850) 中,DL算法实现了0.89的聚合灵敏度,0.85的特异性和0.93.9的AUC.
- 放射科医生表现出较低的聚合灵敏度 (0.65),特异性 (0.74) 和AUC (0.76),DL算法始终优于初级和高级放射科医生 (P<0.05).
结论:
- 基于MRI的DL算法在CRC中LNM检测方面表现出有希望的诊断性能,通常超过内部验证队列中的放射科医生的诊断性能.
- 这些发现表明DL算法与初级放射科医生相比特别有效,并且显示出比高级放射科医生更高的灵敏度和AUC.
- 局限性包括大多数研究的回顾性和主要来自中国的研究,需要在不同人群中进行前性,多中心的验证,以确保通用性.
