CT中的人工智能用于预测直肠癌患者的淋巴结转移:一个元分析

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 淋巴结转移 (LNM) 是直肠癌的一个关键预后因素.
• 准确检测LNM对于治疗计划和患者的治疗结果至关重要.
• 计算机断层扫描 (CT) 是诊断直肠癌的主要成像方法.

研究的目的:

• 评估基于CT的人工智能 (AI) 的诊断准确性,用于检测直肠癌患者的淋巴结转移.
• 将AI算法的性能与放射科医生在CT扫描上识别LNM的性能进行比较.

主要方法:

• 进行了一项元分析,包括到2024年9月发表的研究,通过PubMed,Embase和Web of Science确定.
• 聚合的灵敏度,特异性和AUC使用双变随机效应模型进行计算.
• 通过I2统计评估了研究异质性,并使用漏斗图形评估了出版偏差.

主要成果:

• 包括七项研究,人工智能显示了0.84的聚合灵敏度和0.77.7的特异性.
• 人工智能实现了0.88的曲线下的聚合面积 (AUC),超过了放射科医生 (AUC 0.72).
• 放射科医生的综合灵敏度为0.80,特异性为0.54.

结论:

• 与放射科医生相比,基于CT的AI在直肠癌中的LNM检测方面显示出更高的特异性.
• 研究之间显著的异质性和有限的外部验证需要进一步的多中心验证研究.
• 基于CT的AI用于LNM检测的临床实施需要额外的严格测试.