相关实验视频
Updated: Jan 10, 2026
06:23
Diagnosis and Surgical Treatment of Human Brucellar Spondylodiscitis
Published on: May 23, 2021
5.3K
评估人工智能的诊断准确性在脊髓缩检测:一个系统的审查和元分析
Mohammad-Taha Pahlevan-Fallahy1, Amir-Mohammad Asgari2, Alireza Soltani Khaboushan3
1School of Medicine, Tehran University of Medical Sciences, Tehran, Iran (M.-T.P.-F., A.S.K., F.S., P.Y.); Department of Radiology, Division of Musculoskeletal Imaging and Intervention, University of Washington, Seattle, WA, USA (M.-T.P.-F., M.C., S.H.).
Academic radiology
|November 25, 2025
概括
人工智能 (AI) 模型在检测常见的脊椎疾病 - - 脊髓缩症方面表现出很高的准确性. 这些人工智能工具可以帮助临床医生,特别是在资源有限的领域,但需要进行标准化研究.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 脊柱诊断 脊柱诊断 脊柱诊断 脊柱诊断
背景情况:
- 脊髓灰质炎影响5-26%的成年人,造成严重的健康风险.
- 人工智能 (AI) 具有提高医学诊断准确性的潜力.
- 人工智能模型性能中的异质性需要证据合成.
研究的目的:
- 评估人工智能模型的诊断准确度,以检测脊髓溶解.
- 在各种成像模式中对AI性能进行综合证据.
- 评估AI作为辅助诊断工具的临床实用性.
主要方法:
- 24项研究的系统审查和元分析 (21项元分析) 涉及8029个观察.
- 包括使用独立深度学习 (DL) 模型和报告的诊断指标的研究.
- 使用QUADAS-2和随机效应元分析进行统计评估的质量评估.
主要成果:
- 人工智能模型实现了高聚合灵敏度 (94.7%) 和特异性 (97.1%),AUC为0.979.
- 基于MRI的模型显示的性能略高于X射线图,尽管在统计学上并不显著.
- 分类模型的表现优于以检测为重点的模型;FAR网络和YOLOv8在分级和定位方面表现出高精度.
结论:
- 人工智能模型在脊髓缩方面表现出相当大的诊断准确性,支持它们作为临床辅助器的作用.
- 研究之间显著的异质性表明需要标准化研究.
- 建议将AI整合到诊断工作流中,特别是在资源有限的环境中,等待进一步验证.
