目的:评价基于人工智能(AI)的CT影像预测肺腺癌浸润性的诊断性能。方法:通过PubMed、Embase、Cochrane图书馆、Web of Science、中国知网、SinoMed、万方和维普等数据库,检索2011年1月1日-2021年6月30日公开发表的基于AI的CT影像预测肺...目的:评价基于人工智能(AI)的CT影像预测肺腺癌浸润性的诊断性能。方法:通过PubMed、Embase、Cochrane图书馆、Web of Science、中国知网、SinoMed、万方和维普等数据库,检索2011年1月1日-2021年6月30日公开发表的基于AI的CT影像预测肺腺癌浸润性的所有文章。以诊断试验的纳入和排除标准筛选文章并提取关键特征信息。通过软件MetaDiSc 1.4和Stata 16.0进行Meta分析。以浸润性腺癌作为阳性结果、非浸润性腺癌作为阴性结果,计算合并后的敏感度、特异度、阳性似然比、阴性似然比和诊断比值比,绘制集成受试者操作特征(SROC)曲线并得出曲线下面积(AUC)。基于Meta回归探究异质性的来源。使用敏感性分析验证Meta分析结果的可靠性。结果:共12项研究入选,包括4066例患者的4325枚肺结节,磨玻璃结节占97%。研究间存在异质性,故指标合并采取随机效应模型。合并后的敏感度、特异度、阳性似然比、阴性似然比和诊断比值比分别为0.86、0.82、4.55、0.19和28.31,AUC为0.9110。Meta回归结果表明AI算法的不同是异质性的来源,敏感性分析显示Meta分析结果的可靠度高。结论:基于AI的CT影像对肺腺癌浸润性有较高的预测能力,可向医生提供更确切的诊疗信息,进而优化患者的治疗方案。展开更多
文摘目的:评价基于人工智能(AI)的CT影像预测肺腺癌浸润性的诊断性能。方法:通过PubMed、Embase、Cochrane图书馆、Web of Science、中国知网、SinoMed、万方和维普等数据库,检索2011年1月1日-2021年6月30日公开发表的基于AI的CT影像预测肺腺癌浸润性的所有文章。以诊断试验的纳入和排除标准筛选文章并提取关键特征信息。通过软件MetaDiSc 1.4和Stata 16.0进行Meta分析。以浸润性腺癌作为阳性结果、非浸润性腺癌作为阴性结果,计算合并后的敏感度、特异度、阳性似然比、阴性似然比和诊断比值比,绘制集成受试者操作特征(SROC)曲线并得出曲线下面积(AUC)。基于Meta回归探究异质性的来源。使用敏感性分析验证Meta分析结果的可靠性。结果:共12项研究入选,包括4066例患者的4325枚肺结节,磨玻璃结节占97%。研究间存在异质性,故指标合并采取随机效应模型。合并后的敏感度、特异度、阳性似然比、阴性似然比和诊断比值比分别为0.86、0.82、4.55、0.19和28.31,AUC为0.9110。Meta回归结果表明AI算法的不同是异质性的来源,敏感性分析显示Meta分析结果的可靠度高。结论:基于AI的CT影像对肺腺癌浸润性有较高的预测能力,可向医生提供更确切的诊疗信息,进而优化患者的治疗方案。