提高肝癌的诊断准确性:对人工智能在肝细胞癌和胆管癌检测中的应用进行系统审查,使用腹部CT成像
Schawanya Kaewpitoon Rattanapitoon1,2, Patpitcha Arunsarn2,3, Thirayu Meererksom2
1Nathkapach Rattanatanpitoon, FMC Medical Center, Nakhonratchasima, Thailand.
人工智能 (AI) 模型在将肝细胞癌 (HCC) 与胆管癌 (CCA) 区分方面表现出高准确性,与放射科医生相似. 整合多模式成像和放射性特征显示了改善肝癌诊断的重大前景.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 肝胆道恶性瘤 肝胆道恶性瘤
背景情况:
- 肝细胞癌 (HCC) 和胆管癌 (CCA) 是不同的原发性肝癌,具有重叠的成像特征.
- 准确的区分对于适当的治疗选择和患者管理至关重要.
- 人工智能 (AI) 的进步为改善诊断准确性提供了潜力.
研究的目的:
- 系统地评估AI在区分HCC和CCA的诊断性能,使用CT和MRI.
- 评估人工智能在肝癌管理中的临床影响.
- 确定影响人工智能模型在区分这些肝癌的表现的因素.
主要方法:
- 在五个主要数据库 (2000-2025) 中,按照PRISMA指南进行系统的文献审查.
- 包含应用AI用于HCC或CCA诊断的原始研究研究.
- 关于研究设计,成像方法 (CT/MRI),人工智能方法,诊断性能指标 (灵敏度,特异性,精度,AUC) 和偏差风险 (QUADAS-2) 的数据提取.
主要成果:
- 44项研究符合纳入标准;CT和MRI是主要的模式.
- 卷积神经网络 (CNN) 和基于放射学的人工智能模型显示出强大的诊断性能 (灵敏度75-100%,特异性75-100%,精度73-96%,AUC0.74-0.99).
- 多模式成像 (CT+MRI) 和放射性临床模型实现了卓越的性能,超过了90-95%的准确性和特异性.
结论:
- 人工智能模型,特别是基于CNN和放射学的模型,对诊断的准确性与放射学家对HCC与CCA差异化的诊断准确性相当.
- 多模式集成和功能融合对增强诊断工作流程充满希望.
- 大规模的多中心验证对于在肝癌治疗中临床采用至关重要.
更多相关视频
07:47Non-Invasive PET/MR Imaging in an Orthotopic Mouse Model of Hepatocellular Carcinoma
Published on: August 31, 2022
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
相关概念视频
Uncertainty in Measurement: Accuracy and Precision
Imaging Studies I: CT and MRI
Description of the Procedures
Computed Tomography (CT) scan:
Computed Tomography (CT) scans use X-ray technology to generate detailed images of bones, organs, and tissues. During the scan, the patient lies on a moving table...
Imaging Studies for Cardiovascular System V: CT
Improving Translational Accuracy
Review and Preview
Percentiles are a type of fractile that partition data into...
Review and Preview
