人工智能模型在计算机断层扫描中的诊断准确性 慢性鼻炎的解释:系统性审查

科学领域:

• 医学成像分析 医学成像分析
• 人工智能在医学中的应用
• 耳鼻喉科研究 耳鼻喉科研究

背景情况:

• 慢性鼻炎 (CRS) 是一种常见的疾病,通常用计算机断层扫描 (CT) 来评估.
• 人工智能在分析CRSCT扫描中的使用正在增长,但其诊断性能需要彻底评估.

研究的目的:

• 系统地审查和比较AI模型用于CRSCT解释的诊断准确性.
• 专注于关键指标:灵敏度,特异性,精度和曲线下的面积 (AUC).

主要方法:

• 在遵守PRISMA指南的基础上进行系统审查.
• 在六个数据库中搜索了使用CT进行CRS诊断的AI/ML/DL模型的研究.
• 提取的AI模型类型,验证,成像模式,参考标准,以及符合条件的研究结果.

主要成果:

• 六项研究 (2178名患者) 符合纳入标准,主要使用CNN,ResNets或混合模型.
• 报告了敏感性 (11.1%-98.1%),特异性 (86.4%-98.7%) 和准确性 (63.6%-98.4%).
• 曲线下的面积 (AUC) 值达到了0.99.

结论:

• 人工智能,特别是ResNet模型,显示出CRS CT解释的巨大潜力.
• 方法的多样性阻碍了直接比较;标准化,多中心验证至关重要.
• 建议整合临床数据,以提高AI诊断工具的通用性.