基于超声波的人工智能用于初步诊断恶性卵巢癌:系统性审查和元分析

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 瘤学 诊断 诊断 瘤学

背景情况:

• 卵巢癌的诊断严重依赖于成像,超声波是主要的工具.
• 准确的初步诊断对于及时治疗和改善患者结果至关重要.
• 人工智能 (AI) 在医学诊断中的作用正在迅速发展.

研究的目的:

• 为了评估AI在超声波中的诊断性能,用于初始恶性卵巢癌诊断.
• 将AI的诊断准确度与经验丰富的超声波专家的诊断准确度进行比较.

主要方法:

• 在主要数据库 (PubMed,科学网,Embase,Cochrane图书馆) 进行系统的文献搜索,截至2025年2月.
• 包括使用人工智能用于超声波分析怀疑卵巢癌的研究,其中病理学作为黄金标准.
• 两变随机效应模型用于汇总灵敏度,特异性和AUC; QUADAS-2工具用于质量评估.

主要成果:

• 在内部验证中,AI实现了高诊断性能 (灵敏度:0.95,特异性:0.95,AUC:0.98).
• 外部验证显示AI的灵敏度为0.78和特异性为0.88 (AUC:0.91).
• 超声波仪的灵敏度为0.83,特异性为0.84 (AUC:0.87),表明AI的性能优越.

结论:

• 基于人工智能的超声波诊断显示出恶性卵巢癌检测的巨大潜力,超过了超声波仪的准确性.
• 分析方法的异质性 (基于图像或基于患者) 影响了结果.
• 进一步的前性,多中心,对头研究对于验证AI融入临床实践至关重要.