AI在医学领域:在软组织和骨骼肿瘤放射学成像中的应用综述

news2024/11/13 7:56:25

      软组织和骨骼肿瘤(Soft-tissue and bone tumours,STBT)是人体中较为罕见的肿瘤,包括良性和恶性病变。恶性STBT,约占所有肿瘤的1%。这些肿瘤可以发生在任何年龄和几乎所有解剖部位,起源于包括肌肉、脂肪、血管、软骨和骨骼在内的结缔组织细胞。STBT的罕见性以及它们的亚型多样性和不同的临床表现,为准确诊断和预后带来了巨大挑战。

      放射学成像(包括核医学)在评估和监测STBT中至关重要。成像技术的进步导致了数据量的大幅增加,同时也增加了对解读这些数据所需的专业知识。随着放射学成像使用的增加和分析的复杂性,放射科医生的工作量也随之增加。因此,开发智能计算机辅助系统和算法以实现自动化图像分析,从而快速准确地得出结果是至关重要的。对于STBT,智能系统可能帮助非专业放射科医生更有效地诊断罕见癌症。此外,随着病例量的增加,解释错误的可能性也更高,这可以通过计算机辅助诊断工具来避免。

     人工智能在医学图像分析中的使用日益普及。在过去7年中,FDA批准的放射学成像AI产品数量大幅增加。然而,尽管STBT领域的医学成像AI研究也大幅增加,但在FDA批准的名单中并没有针对STBT的产品。因此,研究应该更多地集中在与未满足的临床需求相一致的领域,而不仅仅是开发新的技术解决方案。

     本目的是使用放射学成像对STBT进行诊断和预后的AI研究,根据两个最佳实践指南——CLAIM和FUTURE-AI——进行评估可以全面覆盖AI研究的不同方面讨论了未来研究的机会,以弥合AI研究和STBT临床使用之间已识别的差距。

1 方法

本研究纳入了截至 2023 年 9 月 27 日发表在同行评审期刊上的原始研究,重点关注基于放射学的 AI 方法,用于诊断或预测原发性 STBT。

关于软组织和骨骼肿瘤(STBT)的AI方法研究的数量

PRISMA流程图

1.1 文献检索和筛选

  • 数据库检索: 本研究系统地检索了 Medline、Embase、Web of Science 核心集、Google Scholar 和 Cochrane 中央对照试验注册库,涵盖了所有可用的相关研究文献。
  • 检索策略: 检索策略根据不同的数据库进行了定制,以确保全面检索相关文献。
  • 纳入标准: 纳入标准包括:发表在同行评审期刊上的原始研究。重点关注基于放射学的 AI 或放射组学特征,用于诊断或预测原发性 STBT
  • 排除标准:动物、尸体或实验室研究及非英语文献
  • 文献筛选: 文献筛选过程由三位独立评审员进行,包括标题和摘要筛选以及全文审查。

1.2 数据提取

对于纳入的研究,提取了以下信息:

  • 发表年份和期刊
  • 研究类型 (软组织肿瘤、骨肿瘤、GIST)
  • 研究设计 (回顾性、前瞻性)
  • 预测结果 (诊断、预后、两者)
  • 成像模态
  • 数据来源 (公开、单中心、多中心)
  • 数据和 AI 模型源代码的可用性

1.3 文献评估

  • CLAIM 指南: 使用 CLAIM 指南评估纳入研究的质量。CLAIM 指南由美国放射学会 (RSNA) 推荐使用,涵盖了 44 个项目,涉及标题、摘要、引言、方法、结果、讨论和其他信息。
  • FUTURE-AI 指南: 使用 FUTURE-AI 指南评估纳入研究的质量。FUTURE-AI 指南提出了确保 AI 工具值得信赖、可部署和可应用的国际共识指南,涵盖了 30 个项目,根据六个原则进行划分:公平性、普遍性、可追溯性、可用性、鲁棒性和可解释性。
  • 评分标准: 对于每个项目,评分范围为 0 到 1,0 表示未解决,0.5 表示部分解决(FUTURE-AI 中适用),1 表示完全解决。
  • 评分一致性: 为了确保评分的一致性,对一部分研究进行了三位评审员的独立评分,并进行了一致性分析。

1.4 数据分析

  • 描述性统计分析: 对每个项目、每个部分/原则以及指南符合率的描述性统计进行了计算,包括均值、标准差、最大值、最小值以及均值和标准差。
  • 可视化和交互式图表: 纳入研究的评分结果以交互式图表的形式呈现,方便读者查看和分析。

2 结果

2.1 研究数量和质量

搜索发现了 15,015 篇摘要,其中 325 篇文章被纳入评估。大多数研究在 CLAIM 指南下表现一般,平均得分为 28.9 (满分 53),但在 FUTURE-AI 指南下表现较差,平均得分为 5.1 (满分 30)。

2.2 研究特征

  • 纳入的研究主要使用手工特征与机器学习 (68%) 或模型学习特征 (19%) 进行 AI 分析。
  • 研究疾病类型包括软组织肿瘤 (38.5%)、骨肿瘤 (35.1%) 和 GIST (25.2%)。
  • 大多数研究为回顾性研究 (83.7%),少数为前瞻性研究 (11.7%)。
  • 研究主要关注预测诊断 (63.4%),其次是预后评估 (33.5%)。
  • 研究使用的成像技术包括 MRI、CT、超声、X 光、PET-CT、PET-MRI 和放射性核素成像等。
  • 数据来源多为单中心数据 (58.5%),少数使用多中心数据 (28.6%)。
  • 大多数研究没有公开数据集和 AI 模型代码。

2.3 与指南的符合程度

纳入的研究在 CLAIM 指南下表现较好,但仍有改进空间,例如:

  • 在设计阶段明确研究假设 (13.8%)。
  • 明确数据脱敏方法 (3.4%)。
  • 处理缺失数据的方法 (8.2%)。
  • 明确目标样本量和确定方法 (4%)。
  • 进行稳健性或敏感性分析 (13.8%)。
  • 解释性或可解释性方法 (12.9%)。

纳入的研究在 FUTURE-AI 指南下表现较差,但趋势有所改善:

  • 明确潜在偏差来源 (37%)。
  • 收集并报告个人属性 (83.1%)。
  • 使用社区定义的标准 (56%)。
  • 定义使用和用户需求 (85.2%)。
  • 吸引跨学科利益相关者 (86.2%)。
  • 实施数据隐私和安全措施 (85.2%)。
  • 定义充分的评估计划 (67.7%)。

3 建议

3.1 设计阶段

  • 明确临床需求、AI 的预期用途、临床设置和用户需求。
  • 早期识别潜在的偏差来源。

3.2 开发阶段

  • 使用反映真实世界数据的数据集进行训练。
  • 开发可解释的 AI 方法。
  • 建立在现有研究的基础上,并进行验证或改进。
  • 确保 AI 工具易于使用。

3.3 评估阶段

  • 使用独立的外部测试数据评估 AI 工具。
  • 将 AI 工具与最佳实践进行比较。
  • 进行错误分类案例的失败分析。
  • 研究数据、模型和偏差的鲁棒性。

3.4 可重复性

  • 公开代码,并确保其可读性、可用性和可追溯性。
  • 全面描述方法,包括数据预处理、真值获取、AI 方法描述和训练过程。

3.5 数据可用性

  • 在临床实践中引入结构化和标准化的报告。
  • 三级肉瘤中心收集标注数据并公开,保护患者隐私。
  • 使用联邦学习保护患者隐私并促进数据共享。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2069587.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

富唯智能公司和产品介绍

公司介绍 广州富唯智能科技有限公司是一家专注于人工智能与柔性智造领域的高新技术企业,于2022年联合清华大学深圳国际研究生院成立,拥有多名业内顶尖的人工智能专家、智能制造专家以及硕士和博士组成的高水平研发团队。 公司致力于用前沿的人工智能技…

GenAI大模型应用方法选择深度解析: 模型训练,微调,检索增强RAG和提示工程

重点摘要 每种生成式人工智能学习方法都有其独特的优势和理想应用场景: 模型训练(Model Training):需要大量的数据和计算资源来从头构建一个人工智能模型。它具有高度的可定制性和可扩展性,但耗时较长。 微调(Fine-Tuning):专注…

win11成功点亮 WSL 创建的 Linux 子系统 jupyter服务 并配合 conda 环境运行代码【保姆级教程】

🥇 版权: 本文由【墨理学AI】原创首发、各位读者大大、敬请查阅、感谢三连 🎉 声明: 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️ 文章目录 零、前言一、安装 jupyter notebook二、生成jupyter notebook配置文件三、设置J…

力扣top100-链表类题易错点总结-c++实现(更新中)

首先给一个我之前写的双指针在链表类题中的妙用的link:双指针在链表中的妙用 tip1 来自“合并两个有序链表” 题目链接戳这里 这道题注意的就是如果是要返回一个新链表的头结点,一定要新建一个头结点: ListNode* prehead new ListNode…

备考计算机二级Python之Day5

第5章 函数和代码 一、函数的基本使用 函数是一段具有特定功能的、可重用的语句组,通过函数名来表示和调用。 函数的使用包括两部分:函数的定义和函数的使用 1、函数的定义 Python语言通过保留字def定义函数,语法形式如下: …

判别分析2|Bayes判别分析|Fisher判别分析|软件求解

Bayes判别分析 引入先验信息 距离判别只要求知道总体的数字特征,不涉及总体的分布函数 当均值和协方差未知时,就用样本的均值和协方差矩阵做估计值。距离判别方法简单实用,但没有考虑到每个总体出现的机会大小,即先验概率&#…

数据结构(邓俊辉)学习笔记】优先级队列 09——左式堆:合并算法

文章目录 1. LeftHeap模板类2. 算法3. 实现4. 实例 1. LeftHeap模板类 接下来这节,来讨论左式堆的合并算法。再给出具体算法之前,首先要给出左式堆模板类的定义。 比如这就是一种可能的实现方式,可以看到,我们这里再次利用了 C…

srm供应商一体化招采系统解决方案,需求功能清单以及源码实现(JAVA)

1. 供应商管理 2. 采购需求管理 3. 采购寻源管理 4. 采购合同管理 5. 采购订单管理 6. 采购协同管理 7. 外部商城采购管理 8. 报表查询管理 9. 系统管理 10. 集成管理 资料获取:本文末个人名片。

在Activity中使用Menu

在Activity中使用Menu 手机毕竟和电脑不同,它的屏幕空间非常有限,因此充分地利用屏幕空间在手机界面设计中就显得非常重要了。如果你的活动中有大量的菜单需要显示,这个时候界面设计就会比较尴尬,因为仅这些菜单就可能占用屏幕将…

构建高效的串行任务执行器:SerialExecutor深度解析

本文主要介绍怎么去实现一个支持串行执行任务的SerialExecutor执行器 摘要 在复杂的异步编程中,有时我们需要确保任务以串行的方式执行,以维护任务间的依赖关系或顺序。SerialExecutor 是一个自定义的执行器,它封装了 Java 的 Executor 接口…

Linux磁盘分区,增加磁盘应用实例,磁盘情况查询

目录 linux磁盘分区机制 原理介绍 示意图 硬盘说明 查看所有设备挂载情况 挂载的经典案例 给虚拟机添加硬盘 分区 删除挂载 永久挂载 磁盘情况查询 查询系统整体磁盘使用情况 查询指定目录的磁盘占用情况 linux磁盘分区机制 原理介绍 载入可以将一个分区和一个目录…

【精选】基于微信小程序的地铁站点查询系统(全网独一无二,阿龙原创设计)

博主介绍: ✌我是阿龙,一名专注于Java技术领域的程序员,全网拥有10W粉丝。作为CSDN特邀作者、博客专家、新星计划导师,我在计算机毕业设计开发方面积累了丰富的经验。同时,我也是掘金、华为云、阿里云、InfoQ等平台…

C#入门篇3

目录 一、练习 二、显示类型转换(强制类型转换) 三、Convert的转换工厂转换 四、算数运算符号之( /--) 五、关系运算符(比较运算) 六、逻辑运算符 七、复合运算符 一、练习 计算半径为5的圆的面积和周…

Windows平台SDKMAN工具使用

为方便jvm生态的软件版本管理,可以使用sdkman工具来安装和管理诸如java、gradle等软件的当前使用版本。尤其是大多数程序员都是在windows平台开发,团队开发通常都需要统一的jvm相关软件的版本。这里给大家演示下windows平台如何安装和使用sdkman来实现这…

普元EOS-自定义SDO代码生成模板

1 前言 普元EOS的数据实体生成SDO接口和实现类的代码,可以通过自定义代码生成模板,实现代码自定义。 2 模板存放位置 模板存放位置如下:安装目录/dropins/eostools/com.primeton.studio.entity.ui-x.x.x.x.jar里面,SDO模版都在/…

揭秘CAAC、AOPA、ALPA、ASFC和UTC无人机执照的差别及实用价值

CAAC、AOPA、ALPA、ASFC和UTC无人机执照各有其独特的差别及实用价值,以下是针对这些执照的详细解析: 一、CAAC无人机执照 颁发机构:中国民用航空局(CAAC) 差别: - 权威性:CAAC无人机执照是目…

Go机器学习框架之火重燃,Google前研究员开源期望媲美Jax的GoMLX

Go作为一门兼具高性能与简洁性的编程语言,近年来在各种领域得到广泛应用。然而,在机器学习领域,Go相比Python、C、Julia等语言,生态仍然较为薄弱。目前的Go机器学习框架无论在功能全面性上,还是在社区生态支持上都难以…

2024升级zblog小程序开源源码/基于uniapp开发的(支持微信小程序、百度小程序、安卓APP)

源码简介: 2024最新zblog多端小程序开源源码,它是基于uniapp开发的,它是针对和支持微信小程序、百度小程序和安卓APP哦!百度百科小程序源码下载。 这个基于uniapp开发的zblog多端小程序开源源码,听说对收录和SEO都有…

Android 添加系统服务的实现

和你一起终身学习,这里是程序员Android 本篇文章主要介绍 Android 开发中的部分知识点,通过阅读本篇文章,您将收获以下内容: 一、前言二、编写AIDL文件三、编写Manager类四、 编写系统服务五、 注册系统服务六、注册Manager七、App调用八、添…

设计模式 -- 七大原则(五)-- 开闭原则

1 基本介绍 开闭原则(Open Closed Principle,简称OCP)是编程中最基础、最重要的设计原则 一个软件实体如类,模块和函数应该对扩展开放(对提供方),对修改关闭(对使用方)。用抽象构建框架,用实现扩展细节。 …