|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ПсковГУ |
||
Обзор метаанализов о применении искусственного интеллекта в лучевой диагностикестатья
Статья опубликована в журнале из списка Web of Science и/или Scopus
- Авторы: Васильев Ю.А., Владзимирский А.В., Омелянская О.В., Решетников Р.В., Блохин И.А., Коденко М.Р., Нанова О.Г.
- Журнал: Медицинская визуализация
- Том: 28
- Номер: 3
- Год издания: 2024
- Первая страница: 2024
- Последняя страница: 28
- DOI: 10.24835/1607-0763-1425
- Аннотация: Введение. Искусственный интеллект (ИИ) – эффективный инструмент автоматизации рутинных процедур в лучевой диагностике. Вопрос диагностической точности алгоритмов ИИ в обнаружении различных патологий на данных лучевых исследований вызывает большой интерес у научного сообщества: число работ постоянно растет, появляются метаанализы, посвященные данной тематике. В связи с большим числом публикуемых результатов и их разнообразием возникает необходимость в систематизации данных.Цель исследования: зонтичный систематический обзор современных метаанализов применения ИИ в лучевой диагностике.Материал и методы. Поиск англоязычных статей осуществлялся в базе PubMed. Для полнотекстового анализа было отобрано 38 систематических обзоров с метаанализами 2021–2023 гг. Извлеченные данные включали: цель, дизайн, модальность лучевых исследований, объем выборок, показатели качества включенных работ, показатели диагностической точности ИИ, параметры референтной методики, показатели клинической эффективности внедрения алгоритма ИИ. Методологическое качество включенных систематических обзоров было оценено с помощью инструмента AMSTAR-2.Результаты. Почти половина (47%) всех включенных метаанализов посвящена диагностике, стадированию и сегментации злокачественных новообразований. Четыре метаанализа выполнены в области стоматологии и посвящены детекции челюстно-лицевых структур, еще 4 метаанализа посвящены диагностике поражений мозга. По 3 метаанализа были посвящены диагностике COVID-19 и диагностике переломов. По одному метаанализу выполнено в области диагностики следующих патологий: колоректальные полипы, пневмоторакс, легочная эмболия, остеопороз, аневризмы, рассеянный склероз, острое нарушение мозгового кровообращения, внутричерепное кровоизлияние, ожоги, риск задержки внутриутробного развития. В 35 (92%) метаанализах проведена оценка риска систематической ошибки. Основной инструмент для оценки рисков – QUADAS-2, его использовали в 28 (80%) мет-анализах. Из 28 метаанализов риск систематической ошибки оценен как низкий в 14 (50%) обзорах, как средний – в 4 (14%), как высокий – в 10 (36%). Основные риски обусловлены несбалансированностью выборок по объему и составу, недостаточно подробным описанием использованных методик, малым числом проспектовых исследований и исследований с внешней валидацией данных. Обобщенные результаты свидетельствуют о том, что диагностическая точность ИИ сопоставима с диагностической точностью врачей, а иногда превосходит ее. Средние значения чувствительности, специфичности и площадь под ROC-кривой для ИИ и врачей составляют 85,2, 89,5, 93,5 и 84,4, 90,0, 92,8% соответственно. Впрочем, во многих исследованиях, сопоставляющих диагностическую точность ИИ и врачей, наблюдается недостаток информации по числу и опыту врачей, которые выступили в роли референс-теста. Результаты внедрения ИИ в диагностическую практику приводятся только в одном метаанализе.Обсуждение. ИИ способен сократить время рентгенологического описания при несрочных обследованиях. В качестве инструмента верификации первичной врачебной классификации исследования ИИ эффективно выявлял ложноотрицательные результаты рентгенологов, но при этом эффективность выявления ложноположительных результатов оказалась неудовлетворительной. По результатам оценки качества систематических обзоров по AMSTAR-2 показано, что методики поиска, отбора и анализа литературы нуждаются в стандартизации и улучшении. Также необходима разработка специализированного инструмента для оценки качества систематических обзоров в области использования ИИ. В настоящее время ИИ является многообещающим инструментом оптимизации описания исследований лучевой диагностики благодаря высоким показателям диагностической точности. Однако необходимы дополнительные исследования по внедрению ИИ в клиническую практику. Также необходимы повышение качества методологии исследований и ее стандартизация.
- Добавил в систему: Нанова Ольга Геннадьевна