人工智能算法使用CTA和DSA的成像数据预测内动脉瘤破裂风险的准确性:系统性审查和元分析
Ruixuan Zhang1,2, Ruibo Liu1, He Ma1
1The College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, China.
IET systems biology
|December 24, 2025
概括
人工智能 (AI) 算法在使用CT血管学 (CTA) 和数字减去血管学 (DSA) 预测内动脉瘤 (IA) 破裂风险方面表现出高准确度. 这一元分析证实了AI的存在.
科学领域:
- 神经外科和放射科的神经外科和放射科
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 由破裂的内动脉瘤 (IAs) 引起的甲状腺下出血 (SAH) 是死亡的主要原因.
- 传统的方法,如CT血管图 (CTA),数字减去血管图 (DSA) 和临床分数 (PHASES) 在预测IA破裂风险方面存在局限性.
- 人工智能 (AI) 算法为改善风险分层提供了一个有希望的替代方案.
研究的目的:
- 评估AI算法在预测内动脉瘤破裂风险方面的诊断性能.
- 用CTA和DSA成像模式的数据来评估AI性能.
- 通过元分析,综合来自多项研究的证据.
主要方法:
- 进行了系统的元分析,搜索主要数据库 (Web of Science,PubMed,Scopus,Embase) 到2025年2月.
- 数据提取包括包含的研究中的真阳性 (TP),假阳性 (FP),假阴性 (FN) 和真阴性 (TN).
- 使用双变随机效应建模来合成聚合的灵敏度,特异性和曲线下的面积 (AUC). 根据成像方式,数据类型和出版年进行了子组分析.
主要成果:
- 分析包括了20项研究,包括13,232名患者和14,344名IA.
- 聚合结果显示了高的诊断准确性:灵敏度为0.84 (95% CI:0.80-0.87),特异性为0.82 (95% CI:0.78-0.86),和AUC为0.90 (95% CI:0.87-0.92).
- 亚组分析表明,DSA (23.55) 和CTA (22.21) 的诊断几率比率 (DOR) 相当,后期出版年份的DOR更高 (2023:26.98),临床形态放射组 (DOR 18.76) 没有显著的异质性.
结论:
- 利用CTA和DSA数据的AI算法在预测内动脉瘤破裂风险方面表现出高的诊断准确性.
- 这些人工智能工具有可能显著推进IA的临床管理和风险评估.
- 需要进一步的研究和验证,以将人工智能纳入常规临床实践,以预防甲状腺下出血.
