人工智能 (AI) 在立体射线手术 (SRS) 中使用:脑转移 (BM) 的结果预测 - 一项系统性审查
Shiv P Desai1, Yusuke S Hori1, Ahed H Kattaa1
1Department of Neurosurgery, Stanford University School of Medicine, Stanford, CA, USA.
概括
人工智能 (AI) 模型准确地预测了接受立体放射性手术 (SRS) 的大脑转移 (BM) 患者的结果. 这些先进的工具,整合成像和临床数据,承诺个性化治疗和改善患者护理.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 大脑转移 (BM) 是成年人最常见的内瘤,在立体射线外科手术 (SRS) 后带来重大管理挑战.
- 人工智能 (AI) 为BM患者提供了增强结果预测和个性化治疗策略的潜力.
- 本综述侧重于人工智能应用,特别是机器学习 (ML) 和深度学习 (DL),用于对接受SRS的BM患者的预后建模.
研究的目的:
- 系统地审查和综合当前关于人工智能应用的文献,用于脑转移患者的预后建模,这些患者接受了SRS治疗.
- 评估基于成像的ML和DL工具在预测局部控制,生存和与治疗相关的毒性方面的性能.
- 识别关键特征和建模技术,有助于在这个患者群体中准确预测结果.
主要方法:
- 在PubMed,Web of Science和Scopus数据库中进行了系统的文献搜索.
- 选了255项研究,其中21项根据PRISMA指南和纳入/排除标准 (2018-2024) 进行了选择.
- 数据提取的重点是研究设计,人工智能技术,输入特征,验证和预测性能.
主要成果:
- 人工智能模型表现出强大的预测性能 (AUC 0.70-0.98) 在SRS.之后的关键结果.
- 多模式数据集成,将MRI和临床变量中的放射性特征结合起来,产生了最高的准确性.
- 关键的预测特征包括周围瘤胀,瘤异质性,病变数量,瘤大小和脑外疾病状态;纵向建模改善了动态预测.
结论:
- 整合放射学和临床数据的AI模型准确地预测了用SRS治疗的BM患者的结果.
- 这些人工智能工具对风险分层,治疗失败的早期检测和个性化护理规划具有显著的前景.
- 进一步的多中心验证和临床工作流集成对于最大限度地发挥AI在SRS中大脑转移的好处至关重要.
