从承诺到实践:腹部放射学中人工智能应用的范围综述
该范围综述基于2019至2024年间发表的432项研究,梳理了人工智能在腹部放射学中分割、检测、分类、预测和工作流程优化方面的应用。多数研究集中于CT,分割模型在肝脏和胰腺成像中表现良好(Dice系数0.65-0.90),分类模型敏感度52-100%、特异度40.7-99%,预测模型AUC 0.62-0.99但常缺乏可解释性和外部验证。主要差距包括缺乏真实世界验证、非CT模态利用不足及监管路径不明确。
要点
- 分割模型在肝脏和胰腺成像中Dice系数0.65-0.90,低对比边界、运动伪影或结构重叠时准确性下降。
- 分类模型敏感度52-100%、特异度40.7-99%,仅5项研究使用YOLOv3、YOLOv7、Mask R-CNN等真正目标检测模型进行病灶定位。
- 预测模型AUC 0.62-0.99,但常缺乏可解释性和外部验证;超过220项验证研究中不足20%进行了外部验证。
核心结论
- 人工智能在腹部放射学分割、检测、分类、预测和工作流程优化中显示出良好性能,但临床采用仍受验证、泛化性、监管批准和实际实施等挑战限制。
研究设计与样本
- 范围综述,遵循PRISMA-ScR指南,检索PubMed(2024年12月)数据库,最终纳入2019至2024年发表的432项同行评议英文研究。
- 纳入标准为涉及人类受试者、评估腹部放射学中AI应用的研究;排除预印本、非英文、非同行评议、缺乏AI性能评估及全文无法获取的研究。
- 未对研究质量或偏倚风险进行正式评估,未进行定量荟萃分析或正式统计分析。
诊断标准与关键数值
- 分割模型Dice系数0.65至0.90;分类模型敏感度52%至100%,特异度40.7%至99%,部分研究报告总体准确率超过96%。
- 预测模型AUC 0.62至0.99,敏感度58%至100%,特异度最高达95%。
- AI辅助系统使报告周转时间缩短20-30%,重复扫描减少15-25%,急诊病例分诊效率提高30-40%。
- Dice系数高于0.85通常被认为在临床实践中可用于肝脏分割;分类模型敏感度和特异度高于90%接近辅助肿瘤诊断的性能阈值。
临床应用与阅片要点
- 原文未据此给出推荐。
局限性
- 作为范围综述,未进行正式质量或偏倚风险评估,覆盖范围限于PubMed单一数据库索引的同行评议英文文献。
- 部分可能相关的研究因技术问题无法获取。
- 所评估研究中AI模型评价指标不一致,缺乏标准化指标,难以直接比较模型性能。
- 多数研究依赖内部验证,增加过拟合风险并降低真实世界适用性;超过220项验证研究中不足20%进行了外部或多中心验证。
- 大多数AI模型在单机构数据集上训练,可能在受控研究环境中表现良好但无法泛化到不同扫描仪、患者人群和成像协议。
全文中译17 节 · 点击展开
引言
人工智能(AI)推动了医学的快速发展,体现在2016年至2023年间FDA对基于AI的医疗器械的批准(II类器械)增长了25倍以上[1]。这一增长在放射学领域尤为明显,该领域一直处于此类扩张的前沿,2020年至2024年间,与腹部放射学相关的AI相关PubMed发表量增长了三倍。在这些进展之中,人们持续担忧AI最终可能取代放射科医生[2]。然而,尽管这一创新有望改变该领域,但它不太可能完全超越人类专业知识,尤其是在腹部影像学中,疾病的复杂性和变异性使得开发出与人类阅片者准确性和适应性相匹配的算法面临挑战[3]。
尽管如此,AI在腹部放射学中的应用正迅速扩展,超越传统的检测、诊断和分类任务,涵盖器官分割和体积测量、疾病分期和进展预测,以及通过图像重建实现的工作流程优化[1]。特别是深度学习模型在这些领域已取得显著进展,并对日常临床工作流程具有潜在影响[4]。
AI在影像学生物样本库的发展中也至关重要,后者能够实现大规模数据聚合,这对推进精准医学至关重要[5]。然而,挑战依然存在,包括影像组学特征在真实世界临床环境中可重复性低的问题[6, 7]。
鉴于这些问题,本范围综述旨在系统梳理关于AI在腹部放射学中应用的文献,包括识别主要研究主题;突出验证、临床整合和真实世界适用性方面的差距;以及对未来研究优先事项提供明确指导。鉴于现有研究的广度和变异性,选择范围综述而非系统评价或荟萃分析。这一决定还基于以下事实:范围综述旨在捕捉一个多样且快速演变的研究领域的性质和维度,而不需要系统评价或荟萃分析通常所需的定量合成或正式质量评估。
材料与方法
纳入标准
本综述针对2019年至2024年间发表的经同行评审的研究,以英文撰写,涉及人类受试者,并评估AI在腹部放射学中的应用。以下作品被排除:预印本、2019年之前发表的研究、非英文出版物、非同行评审文章、评估AI在诊断性腹部放射学中性能的研究、关注非腹部器官(如胸部、椎骨或骨盆)和非人类动物模型的研究、缺乏AI性能评估的研究,以及全文无法获取的研究。未对研究质量或偏倚风险进行正式评估。
检索策略和证据来源的选择
于2024年12月在PubMed进行了全面检索,使用明确的检索式“artificial intelligence AND abdominal radiology”。选择PubMed是因为其对生物医学文献的详尽索引以及与放射学和AI研究的相关性。
按照PRISMA-ScR指南[8],检索最初识别出883篇文章,按语言(英语)和发表时间(近五年)筛选后减少至763篇。基于纳入和排除标准对这763篇研究的摘要进行资格筛选。本轮筛选产生490篇候选研究,并对其全文进行了审查。未明确评估AI性能的研究(n = 57)和1篇文本无法获取的研究被排除,最终数据集为432篇研究。筛选过程使用PRISMA-ScR流程图记录(图1)[8]。
数据提取
数据被系统地提取到结构化电子表格中,包括以下类别:作者、发表年份、AI模型(如CNN、U-Net、随机森林)、成像模态(如计算机断层扫描[CT]、磁共振成像[MRI]、超声)、研究特征(前瞻性 vs. 回顾性)、患者人口学特征、样本量以及应用方向(分割、检测、分类、预测、工作流程优化)。还记录了性能指标,如灵敏度、特异度、准确率、Dice系数和曲线下面积(AUC)。对于工作流程优化研究,还记录了其他性能指标(如剂量降低、扫描采集时间缩短、图像质量参数)。
为保持一致性,即使研究采用无空间定位的分类模型,也归类为“检测”;仅5篇研究使用了真正的目标检测架构(如YOLOv3、YOLOv7、Mask R-CNN)来生成病灶边界框。
数据综合与呈现
进行了定性描述性综合,以总结各研究中的关键研究趋势、AI应用、验证方法和常见局限性。该综合旨在描绘当前研究图景,包括识别空白并提出未来研究方向。按照范围综述指南,未进行定量荟萃分析或正式统计分析,如漏斗图或Egger回归检验。
结果
研究筛选
如前所述,检索最初识别出883篇文章,在按语言(英语)和发表时间筛选后样本减少至763篇。对这些研究的摘要进行筛选,产生490篇符合全文审查条件的文章。无法获取的文章和未明确旨在评估AI性能的研究被排除,最终数据集为432篇研究。记录该过程的详细流程图见图1。
证据来源特征
表1基于发表年份、AI应用类型和成像模态总结了所审查研究的关键特征。
大多数研究高度重视分割和检测任务,主要采用计算机断层扫描(CT)。涉及MRI的研究正在扩展,但与围绕CT的研究相比仍然有限。值得注意的是,涉及超声和X射线模态的研究较少。
AI应用映射
所考察的研究涵盖了AI应用的四个主要领域:分割、检测与分类、预测和工作流程优化。图2、图3和图4按应用领域提供了性能趋势的可视化总结,符合强调主题综合的范围综述实践。表2总结了AI在腹部放射学中的应用概况。
分割:AI广泛用于器官分割,尤其是肝脏[9]和胰腺成像[10]。最常报告的模型是深度学习架构,如U-Net [9–11]、CycleGAN [12]和混合CNN-transformer [13]。虽然分割已被广泛研究,但所评估的研究在数据集大小和分割准确性方面存在显著差异。
分割模型达到的Dice系数为0.65 [13]至0.90 [11],分类模型表现出的敏感性范围为68% [13]至97% [14],特异性为55% [10]至100% [15]。例如,Dice系数高于0.85通常被认为在临床实践中对于肝脏分割是可接受的。同样,达到敏感性和特异性高于90%的分类模型接近辅助肿瘤诊断所预期的性能阈值。然而,许多模型未达到这些临床基准,尤其是在罕见或炎症性疾病上进行测试时。
深度学习模型,如3D U-Net、CNN-transformer混合模型和CycleGAN,在肝脏[9]和胰腺分割[10]中表现最佳。然而,当存在低对比度边界、运动伪影或重叠结构时,准确性下降。
分类和有限检测:基于AI的检测研究经常涉及肿瘤识别以及病变检测和定位,为此主要使用基于CNN的模型,如ResNet-50 [16]和DenseNet [17]。虽然大多数研究使用仅提供诊断标签的分类模型(如ResNet、DenseNet),但有五项研究采用了能够定位病变的目标检测模型,包括YOLOv3、YOLOv7和Mask R-CNN。
完成诊断特征描述任务的分类模型分别达到的敏感性和特异性范围为52% [18]至100% [17]和40.7% [19]至99% [20],一些研究报告总体准确性超过96% [16, 20]。最佳性能见于用于处理常见病理(如肝细胞癌[16])的模型。在这些模型中,最常用的是集成CNN,包括ResNet-50和DenseNet,尤其是在辅以临床数据的成像中。检测和分类研究在病理复杂性和患者人群方面表现出相当大的多样性,但它们一致证明了AI在解决常见疾病(如胰腺肿瘤[21])方面的良好能力。
预测:疾病进展与结局预测研究涵盖主动脉瘤生长和肝细胞癌分期等过程,研究人员采用XGBoost和混合深度学习网络等模型[22, 23]。疾病预测模型的AUC为0.62[24]至0.99[25],敏感性为58%[26]至100%[27],特异性高达95%[22]。最常用的技术包括XGBoost、随机森林和混合CNN网络[22, 23, 25]。使用结构化纵向数据集的研究的预测准确性显著高于采用单时间点输入的研究。关注预测的研究少于分割或检测与分类的研究,但这些研究凸显了人工智能在腹部放射学中应用的一个不断增长的领域。
工作流程优化:工作流程优化研究主要探索人工智能增强的图像重建、降噪和报告效率提升。这些研究(样本量为12至12,400)[28, 29]报告了图像质量和效率的可测量改善。人工智能辅助系统将报告周转时间缩短20–30%,将重复扫描减少15–25%,并将紧急病例分诊改善30–40%[30]。广泛使用的模型包括LightGBM和基于CNN的重建算法[31, 32]。尽管显示出前景,但这些研究相比上述三类研究数量相对较少,并且明显缺乏标准化的定量指标。工作场所优化的定量指标报告也不一致。
所审查研究中发现的差距包括:人工智能应用的外部验证和真实世界测试有限,对CT成像以外模态的探索不足,以及缺乏对人工智能融入临床工作流程的全面评估。研究结果的普适性也受到限制,因为探索主要为单机构研究,凸显了需要更广泛的多中心研究以增强人工智能在临床实践中的适用性。表3突出了验证策略和工作流程效率影响。
讨论
人工智能有望彻底改变腹部放射学,在分割、检测、分类、预测和工作流程优化方面带来进步。尽管人工智能模型在这些领域已表现出强劲性能,但由于验证、泛化性、监管审批和实际实施方面的挑战,临床采用仍然有限[33]。然而,本讨论并非重复强调性能指标,而是聚焦于人工智能能力的更广泛意义,以及将人工智能整合到常规临床实践中必须克服的关键障碍。
人工智能在分割中的应用:精确性与实际局限性
人工智能提高了肝脏、肿瘤和胰腺成像中的分割准确性,显著减少了与手动勾画相关的变异性[9, 10, 16, 21]。深度学习模型,如U-Net和混合CNN-Transformer,在高对比度图像上表现良好,但在处理低对比度边界、运动伪影或重叠结构时性能下降[34]。在临床环境中,图像质量因患者移动、对比剂给药不一致或扫描仪差异而变化,这可能影响人工智能的可靠性[35]。对研究中精选数据集的过度依赖引发了人们对这些模型结果在真实世界成像中泛化能力的担忧。未来研究应聚焦于对比度自适应人工智能模型和多模态训练方法,结合CT、MRI和超声数据,以提高分割在不同成像条件下的稳健性。
检测和分类:将人工智能能力扩展到常见疾病之外
我们的分析显示,绝大多数标记为“检测”的研究使用了无法进行空间定位的分类架构。然而,五项研究确实采用了真正的目标检测模型——具体为YOLOv3、YOLOv7和Mask R-CNN——突显了检测专用算法在腹部成像中新兴但未充分利用的应用。基于人工智能的检测和分类系统,特别是基于CNN的模型(如ResNet-50和DenseNet),在检测肿瘤和血管异常方面表现出高灵敏度,但性能因病理的罕见性和复杂性而显著变化[36–40]。人工智能在处理细微异常、炎症性疾病和患者间变异性高的疾病(如克罗恩病,其成像特征不太明显)时受到限制[19, 41, 42]。此外,放射科医生不仅依赖图像模式,还依赖临床病史和实验室数据——这些因素尚未有效整合到人工智能技术中[43]。未来发展应聚焦于多源人工智能模型,涵盖成像数据、实验室结果和患者病史,以提高诊断准确性,特别是对于复杂和罕见疾病。
预测模型:临床可解释性的挑战
AI模型的预测能力,尤其是XGBoost和深度学习模型,在预测疾病进展方面展现出前景,例如主动脉瘤的生长和肝细胞癌的分期[44–47]。然而,预测准确性因数据结构、成像方式和疾病复杂性而异。虽然AI在处理结构化数据集时通常优于传统统计模型,但此类技术决策背后的过程仍然不透明。如果无法清晰解释风险评分或预后结果是如何确定的,医生不太可能信任AI的预测[48, 49]。解决这一问题需要转向可解释的AI模型,这类模型能够为预测提供透明的推理依据。监管机构也可能要求AI开发者提供解释性输出,确保AI建议与临床推理相一致,而不是作为黑箱系统运行。
工作流程优化:可衡量的收益但标准化有限
AI对工作流程优化的影响前景可观但量化不足。所综述的研究显示,在AI辅助报告下,报告周转时间加快20–30%,重复扫描减少15–25%,分诊效率提高30–40%[30]。问题在于,与分割、检测和分类可以使用Dice系数或灵敏度/特异度水平来衡量性能不同,目前没有明确的基准来评估AI在优化工作流程方面的有效性。未来研究应建立工作流程效率的定量指标,例如AI对诊断速度、错误减少和资源分配的影响。AI还必须与现有PACS和RIS系统无缝集成,以确保工作流程的改善转化为实际的临床效益。除了与上述系统的技术集成外,对动态演进的AI工具监管审批有限以及临床医生对黑箱模型透明度的担忧是关键的实施挑战[48–50]。此外,部署AI的经济可行性——尤其是在小型机构中——因培训、基础设施升级和持续维护等高昂初始成本而变得复杂[51]。如果没有可持续的商业模式或外部资金,尽管结果令人鼓舞,广泛实施可能仍然遥不可及。
验证与泛化性:AI应用中最薄弱的环节
人工智能实施的一个主要障碍是依赖内部验证而非多中心验证研究。在已审查的220多项验证研究中,不到20%对人工智能输出进行了外部验证,这引发了对真实世界适用性和在不同临床环境中泛化能力的担忧。多中心验证和联邦学习方法在减轻过拟合和增强对人工智能系统的信任方面是关键的下一步。在单一机构数据集上训练的模型通常在受控研究环境中表现良好,但无法在不同扫描仪、患者人口统计学特征和成像协议之间泛化[52, 53]。在泛化性和减少过拟合方面提高人工智能稳健性的一种有前景的方法是联邦学习,其中人工智能模型在多个机构和真实世界临床变异性之间进行训练,而无需共享原始患者数据[54, 55]。然而,一个重要考虑因素是联邦学习需要协作基础设施,而这往往受到数据隐私法规和专有权限的限制[55]。
监管和伦理障碍:人工智能的审批之路
缺乏FDA许可(主要针对II类器械)或同等监管批准仍然是人工智能在临床环境中部署的主要阻碍因素[56, 57]。如前所述,所评估的220多项研究大多依赖内部验证,存在过拟合风险,而多中心试验利用不足。与传统成像软件不同,人工智能动态运行,这表明监管机构需要建立新的评估框架以考虑该技术不断演变的特点。一种方法是建立分级审批系统,其中人工智能模型首先在受控环境中部署,然后才全面临床整合。此外,围绕人工智能在误诊中的问责问题等伦理关切必须得到解决。当人工智能系统发出错误诊断时,关于责任认定的立法尚不明确——无论责任在于人工智能开发者、医院还是判读放射科医生[58, 59]。实施人在回路的人工智能框架,即人工智能辅助而非替代放射科医生,可能提供一条实用的监管路径,在人工智能潜力与医生监督需求之间取得平衡。
人工智能在腹部放射学中的未来与可行性
尽管人工智能研究持续扩展,但其中大部分仍集中在CT成像,尤其是肝脏和肾脏应用,在MRI、超声和X射线成像中的采用有限。这一差距可能归因于技术局限性,例如超声中的操作者依赖性和X射线中较低的软组织对比度,这些都对标准化数据采集和算法训练构成挑战。这些局限性降低了可重复性并阻碍了大规模数据集的创建,可能解释了这些模态中人工智能应用相对稀少的原因。对CT的倾向反映了大型标准化CT数据集的可用性,但限制了可跨更多可变或操作者依赖性模态(如超声)适用的人工智能工具的开发。这种不平衡还表明,人工智能开发优先考虑具有清晰解剖结构的模态。这一不足可以通过多模态人工智能来解决,其整合来自多种成像模态的数据,从而提高不同技术的诊断准确性。另一个关注点是经济可行性。尽管人工智能减少了报告时间、最大限度地减少了重复扫描并提高了分诊效率[30],但PACS集成、人工智能模型训练、实施、维护以及遵守HIPAA/FDA许可法规的高昂成本增加了前期财务负担,并可能抑制采用,尤其是在小型医疗机构中[53]。抵消这些成本可能需要机构获取基于订阅的、按使用付费的人工智能服务或政府资助。未来研究应探索人工智能驱动放射学的长期成本效益,评估人工智能投资是否能带来诊断效率和患者结局的持续改善。
局限性
虽然本研究为腹部放射学中人工智能的当前格局提供了有价值的见解,但必须承认若干局限性。作为范围综述,未进行正式的质量或偏倚风险评估,且覆盖范围仅限于单一数据库(PubMed)中索引的同行评审英文出版物。选择PubMed是因其对生物医学和放射学特定文献的全面覆盖。然而,这可能限制了仅在其他数据库(如EMBASE或Scopus)中索引的研究的检索。尽管如此,鉴于本综述以临床和放射学为重点的范围,大多数相关研究很可能通过PubMed被捕获,该数据库索引了腹部成像和医学人工智能领域的领先期刊。这种方法符合公认的范围综述方法学,其中透明度和主题相关性指导数据库选择。这些决定仍可能影响了研究结果的全面性和可推广性。此外,少数可能相关的研究因技术问题无法获取。一个主要挑战还在于所审查研究中人工智能模型评估的不一致性。
缺乏标准化指标(如准确率、灵敏度、特异度、AUC或Dice系数),模型之间的直接比较难以进行,阻碍了关于性能的确定性结论。这一问题因所评估研究中开展的验证实践而进一步加剧,其中大多数研究严重依赖内部验证,从而增加了过拟合风险并降低了真实世界适用性。不到20%的研究开展了外部或多中心验证——这是评估AI在不同人群和临床环境中泛化能力的关键步骤。大多数AI模型还基于回顾性数据训练,几乎没有开展纵向验证。这一缺陷使得无法明确阐明这些工具在时间维度上追踪疾病进展的能力。
另一个值得关注的问题是模态偏倚。研究主要集中在CT肝脏和肾脏成像,而MRI、超声和X射线探索不足。这种不平衡反映了标准化CT数据集的可获得性,但限制了AI在更多可变成像模态中的更广泛适用性。此外,训练数据往往缺乏人口学透明度,引发了对代表性不足患者群体中潜在性能差异的伦理担忧。
此外,关于AI带来工作流程效率提升的说法在很大程度上是推测性的。虽然许多研究证明了周转时间缩短、重复扫描减少和分诊改善[30],但很少有研究对这些获益进行标准化或定量验证。虽然少数研究应用了目标检测模型(n = 5),但大多数“检测”研究使用的是无空间定位的分类模型,限制了本综述中病灶检测评估的范围。最后,AI实施的经济可行性——包括基础设施成本、可扩展性和可持续性——超出了本综述的范围,且在 current 文献中仍探索不足。
综上所述,这些局限性凸显了需要更严谨、多机构和方学透明的研究,以全面评估AI在腹部放射学中的临床效用、公平性和可持续性。
结论
本范围综述梳理了关于AI在腹部放射学中应用的现有学术文献,总结了广泛的研究主题,识别了关键研究空白,并提出了未来研究方向。AI正在通过增强分类、分割、预测和工作流程效率来革新腹部放射学,少数研究中真正检测(定位)模型的整合尚处于早期且有限。
本综述而非提供详细的性能结果,而是突出了AI应用的当前格局以及实现真实世界整合必须克服的局限性。AI应作为决策支持工具而非替代放射科医师——这一目标需要监管批准、多中心验证和标准化性能基准以确保临床可靠性。除确保准确性外,该技术对工作流程优化的影响必须被量化,同时必须使用可行的成本模型评估财务可持续性。
展望未来,AI驱动的个性化医疗有望实现精准诊断,但克服本工作中识别的障碍对于将AI的潜力转化为真实世界临床实践至关重要。
引用
- Fotis A, Lalwani N, Gupta P, et al. From promise to practice: a scoping review of AI applications in abdominal radiology. Abdom Radiol (NY). 2025. PMID: 40719923. doi:10.1007/s00261-025-05144-y
- 全文:PMC12971772(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12971772/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。