放射学和基于图像的人工智能用于预测局部细胞癌中手术后的复发和生存:APPRAISE-AI系统审查和元分析
Georges Mjaess1, Romain Diamand1, Nayoth Dikete1
1Department of Urology, Hôpital Universitaire de Bruxelles, Brussels, Belgium.
European urology focus
|January 13, 2026
概括
放射学和人工智能 (AI) 模型准确地预测局部细胞癌 (RCC) 的复发和存活率. 这些基于人工智能的成像工具为手术前风险分层提供了一种非侵入性的方法,以获得更好的患者结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 局部细胞癌 (RCC) 的预后工具在术前风险分层方面存在局限性.
- 放射学和基于人工智能的成像模型为评估患者风险提供了一个非侵入性的替代方案.
研究的目的:
- 系统地审查和元分析放射学和人工智能模型对局部RCC的复发和生存结果的预测性能.
- 评估这些基于人工智能的成像模型的方法质量.
主要方法:
- 对PubMed和Scopus数据库进行了系统审查.
- 放射学和人工智能模型评估了关于5年无复发存活率 (RFS) 和整体存活率的预后准确性.
- 使用APPRAISE-AI框架评估方法质量,通过随机效应模型合成曲线下的聚合面积 (AUC).
主要成果:
- 包括30项研究 (n=17,639),主要是追溯和基于CT的研究.
- 放射性模型显示,合并后的5年RFS AUC为0.87 (95% CI:0.84-0.90),外部验证队列的AUC为0.86 (95% CI:0.83-0.88).
- 方法质量中等,对TRIPOD-AI的遵守有限,对可解释性工具的使用不足.
结论:
- 放射性模型,特别是那些使用标准化CT协议,强大的细分和结合形状/纹理特征与临床变量的放射性模型,显示出局部RCC的高预后准确性.
- 这些人工智能驱动的模型准确地预测复发和生存结果,支持它们的临床实用性.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
485
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
