机构名称：
¥ 1.0
摘要 背景 脑动脉瘤破裂引起的蛛网膜下腔出血是发病率和死亡率的主要原因。在自动化系统的帮助下，早期识别动脉瘤可能会改善患者的预后。因此，对使用 CT、MRI 或 DSA 检测脑动脉瘤的人工智能 (AI) 算法的诊断准确性进行了系统评价和荟萃分析。方法 搜索了 MEDLINE、Embase、Cochrane Library 和 Web of Science，直至 2021 年 8 月。资格标准包括使用全自动算法通过 MRI、CT 或 DSA 检测脑动脉瘤的研究。按照系统评价和荟萃分析的首选报告项目：诊断测试准确性 (PRISMA-DTA)，使用诊断准确性研究质量评估 2 (QUADAS-2) 评估文章。荟萃分析包括一个双变量随机效应模型，以确定合并敏感性、特异性和受试者工作特征曲线下面积 (ROC-AUC)。PROSPERO：CRD42021278454。结果 纳入 43 项研究，其中 41/43 (95%) 为回顾性研究。34/43 (79%) 使用 AI 作为独立工具，而 9/43 (21%) 使用 AI 辅助阅读器。23/43 (53%) 使用深度学习。大多数研究存在较高的偏倚风险和适用性问题，限制了结论。独立 AI 荟萃分析中的六项研究得出（汇总）91.2%（95% CI 82.2% 至 95.8%）的灵敏度；16.5%（95% CI 9.4% 至 27.1%）的假阳性率（1-特异性）；0.936 ROC-AUC。五项阅读辅助 AI 研究得出（汇总）90.3%（95% CI 88.0% – 92.2%）的灵敏度；7.9%（95% CI 3.5% 至 16.8%）的假阳性率；0.910 ROC-AUC。结论 AI 有潜力帮助临床医生检测脑动脉瘤。由于存在较高的偏倚风险且普遍性较差，因此解释受到限制。需要进行多中心、前瞻性研究来评估临床实践中的人工智能。
利用人工智能检测脑动脉瘤
主要关键词
相关文件推荐
