基于PET的人工智能的诊断性能,以区分帕金森病与正常对照或非典型帕金森症:系统性审查和元分析

科学领域:

• 神经学 神经学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 帕金森病 (PD) 诊断可能具有挑战性,通常需要从非典型帕金森病 (AP) 和正常对照 (NC) 进行区分.
• 定子发射断层扫描 (PET) 提供了对神经退行过程的宝贵见解.
• 人工智能 (AI) 与PET成像的整合为提高诊断准确性提供了一种新的方法.

研究的目的:

• 系统地评估基于PET的AI模型的诊断性能.
• 评估AI区分PD与NC的能力.
• 评估AI区分PD与AP的能力.

主要方法:

• 在主要数据库 (PubMed,Embase,Web of Science,Cochrane Library) 进行了全面的文献搜索,截至2025年7月.
• 包括使用基于PET的AI用于PD诊断的研究,使用PROBAST-AI评估质量.
• 采用双变随机效应建模来计算聚合的诊断指标,包括灵敏度,特异性和AUC.

主要成果:

• 基于PET的AI实现了PD与NC的高聚合灵敏度 (0.93) 和特异性 (0.92),AUC为0.97.
• 对于PD与AP,聚合灵敏度为0.92和特异性为0.86,AUC为0.95.
• 亚组分析表明多巴胺基标记物 (FDOPA,CFT,AV-133) 对PD比NC更敏感,而FDG对PD比AP显示更高的AUC.

结论:

• 基于PET的AI显示了PD准确临床诊断的巨大潜力.
• 这些发现表明,人工智能可以有效地区分PD与NC和AP.
• 建议进行进一步的大规模多中心试验,以验证这些结果并提高临床效用.