放射学和人工智能用于预测垂体神经内分泌瘤的一致性:系统性审查和元分析
Maria Isabel Ocampo-Navia1,2,3, Mariana Agudelo-Arrieta4,5,6, Felipe Marín-Navas4,5,6
1Department of Neurosurgery, Pontificia Universidad Javeriana, Bogotá, Colombia. maria_ocampo@javeriana.edu.co.
Neurosurgical review
|December 12, 2025
概括
人工智能和放射学在预测垂体神经内分泌瘤 (PitNET) 稳定性方面表现有前途,有助于手术规划. 然而,为了可靠的临床使用,需要更多的标准化方法和外部验证.
科学领域:
- 神经瘤学神经瘤学
- 医学成像分析分析 医学成像分析
- 医学中的人工智能
背景情况:
- 下垂体神经内分泌瘤 (PitNETs) 是常见的大脑瘤,占主要病例的16%.
- 瘤的一致性 (软与硬) 显著影响手术方法,切除程度和并发症风险.
- 准确的PitNET一致性的术前评估对于优化手术策略至关重要.
研究的目的:
- 系统地审查并对人工智能 (AI) 和放射学在预测PitNET一致性方面的有效性进行元分析.
- 评估诊断性能,并确定AI和放射学对此应用的局限性.
主要方法:
- 系统的文献搜索使用人工智能和放射学来预测PitNET一致性的研究.
- 使用Radiomics质量评分和QUADAS-2进行质量评估.
- 聚合诊断性能指标 (准确度,灵敏度,特异性,AUC) 的随机效应元分析.
主要成果:
- 包括9项研究 (935名患者);67.8%的软瘤,32.2%的硬瘤.
- 人工智能/放射学模型的整体准确度为84%,灵敏度为86%,特异性为78%,AUC为0.91.
- 由于MRI协议,细分和一致性定义的变化,观察到显著的异质性;没有报告的外部验证.
结论:
- 人工智能和放射学证明了对PitNET一致性的术前预测的潜力,有可能改善外科手术规划并减少并发症.
- 方法的异质性,主观的参考标准和缺乏外部验证目前限制了概括性.
- 标准化成像协议和多中心验证对于未来的临床实施至关重要.
