人工智能在超声分类局灶性肝病变中的应用:系统综述
该系统综述分析了52项研究,评估人工智能基于B模式或CEUS数据对局灶性肝病变进行良恶性分类和鉴别具体病种的能力。研究表明AI具有良好诊断性能,结合临床参数可提升效果,并与经验丰富的检查者相当,但病变谱有限和缺乏独立验证队列限制了临床转化。
要点
- AI基于B模式或CEUS可较好区分肝病变良恶性及鉴别具体病种。
- 联合临床参数可提升AI诊断性能,准确性与资深检查者相当。
- 病变谱窄且缺乏独立验证,临床转化受限,需谨慎解读。
诊断标准与关键数值
- AI对良恶性分类和具体肿瘤病种鉴别均显示良好诊断性能。
- 纳入临床参数可改善AI诊断性能。
- AI诊断准确性与经验丰富的检查者相当。
临床应用与阅片要点
- 在B模式难以明确的局灶性肝病变中,可考虑AI辅助CEUS提高良恶性鉴别准确性。
- AI结果可与临床参数结合以提升诊断性能。
- 应注意研究病变谱有限,对罕见或不典型病变的泛化能力未知。
局限性
- 研究纳入的病变谱有限。
- 缺乏独立验证队列,结果外推受限。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
英文原文(摘要)· 点击展开
Focal liver lesions are detected in about 15% of abdominal ultrasound examinations. The diagnosis of frequent benign lesions can be determined reliably based on the characteristic B-mode appearance of cysts, hemangiomas, or typical focal fatty changes. In the case of focal liver lesions which remain unclear on B-mode ultrasound, contrast-enhanced ultrasound (CEUS) increases diagnostic accuracy for the distinction between benign and malignant liver lesions. Artificial intelligence describes applications that try to emulate human intelligence, at least in subfields such as the classification of images. Since ultrasound is considered to be a particularly examiner-dependent technique, the application of artificial intelligence could be an interesting approach for an objective and accurate diagnosis. In this systematic review we analyzed how artificial intelligence can be used to classify the benign or malignant nature and entity of focal liver lesions on the basis of B-mode or CEUS data. In a structured search on Scopus, Web of Science, PubMed, and IEEE, we found 52 studies that met the inclusion criteria. Studies showed good diagnostic performance for both the classification as benign or malignant and the differentiation of individual tumor entities. The results could be improved by inclusion of clinical parameters and were comparable to those of experienced investigators in terms of diagnostic accuracy. However, due to the limited spectrum of lesions included in the studies and a lack of independent validation cohorts, the transfer of the results into clinical practice is limited.
Raumforderungen der Leber finden sich in ca. 15 % abdominaler Ultraschalluntersuchungen. Die Diagnose der meisten benignen Läsionen kann bei charakteristischem Befund, z.B. bei Zysten, Hämangiomen und typischen fokalen Fettverteilungsvarianten, oft bereits in der B-Bild-Sonographie zuverlässig gestellt werden. Bei unklaren Befunden erhöht der Einsatz der Kontrastmittelsonographie (CEUS) die diagnostische Treffsicherheit bezüglich der Unterscheidung von benignen und malignen Leberläsionen. Künstliche Intelligenz beschreibt Anwendungen, die versuchen, in Bereichen wie der Klassifikation von Bildern humane Intelligenz nachzubilden. Da die Sonographie als besonders untersucherabhängig gilt, könnte die Anwendung künstlicher Intelligenz ein interessanter Ansatz für eine objektive und treffsichere Diagnose sein. Im Rahmen dieser systematischen Übersichtsarbeit haben wir analysiert, wie gut künstliche Intelligenz die Dignität und Entität von Leberläsionen auf Basis von B-Bild- oder CEUS-Daten bestimmen kann. Basierend auf einer strukturierten Recherche in Scopus, Web of Science, PubMed und IEEE fanden wir 52 Studien, welche die Einschlusskriterien erfüllten. Es zeigte sich eine gute diagnostische Genauigkeit sowohl für die Differenzierung der Dignität als auch der verschiedener Tumorentitäten. Die Ergebnisse ließen sich durch die zusätzliche Berücksichtigung klinischer Parameter verbessern und waren bezüglich der diagnostischen Genauigkeit mit der erfahrener Untersucher vergleichbar. Aufgrund des begrenzten Spektrums untersuchter Läsionen und häufig fehlender unabhängiger Validierungskohorten sind die Ergebnisse jedoch nur begrenzt auf die klinische Anwendung übertragbar.
引用
- Vetter, Waldner, Zundler, et al. Artificial intelligence for the classification of focal liver lesions in ultrasound - a systematic review. Ultraschall Med. 2023. PMID: 37001563. doi:10.1055/a-2066-9372
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。