放射学用于检测胰腺癌:一个系统的审查和元分析

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

背景情况:

• 胰腺管腺癌 (PDAC) 是一种致命的恶性瘤,需要早期检测以改善结果.
• 放射学是一种计算成像分析,在区分PDAC和良性疾病方面表现有前途.
• 目前的监测策略需要加强工具,以便在高风险人群中准确及时检测PDAC.

研究的目的:

• 评估基于放射学模型的胰腺管道腺癌 (PDAC) 检测.
• 用各种成像方式评估AI/ML模型在PDAC识别中的诊断性能.

主要方法:

• 在主要数据库 (PubMed,Embase,Scopus,Cochrane) 进行系统的文献搜索.
• 对包括AUC,灵敏度和特异性在内的诊断性能指标的元分析.
• 使用德西蒙 - 拉尔德方法进行聚合估计和子组分析.

主要成果:

• 分析了15项涉及14688名患者的研究,41.8%的患者被诊断为PDAC.
• 对于PDAC检测,AI/ML模型实现了0.88的综合灵敏度和0.93的特异性.
• 聚合的正概率 (PLR) 为12.1,负概率 (NLR) 为0.12.

结论:

• 与诊断成像集成的AI和ML为PDAC检测提供了一个强大的工具.
• 这些AI/ML放射学模型展示了令人信服的诊断指标,优于传统方法.
• 建议进行进一步的前性研究,以验证疗效,并探索用于增强PDAC预测框架的多原子集成.