Journal of imaging informatics in medicine · 2026-11-17 · 综述
- 一句话结论:结论:所纳入影像组学模型在区分内生软骨瘤与ACT/软骨肉瘤方面报告的判别能力较为可观(AUC 0.801–1.000),但方法学质量整体偏低,作者认为尚不足以确立临床实用性。
- 研究设计与做法:设计:系统综述,检索PubMed、Embase、Cochrane CENTRAL与Scopus(建库至2026年10月24日),纳入14篇报告、13个回顾性队列、1447例受试者(含79例对照扫描);性能采用描述性汇总而非合并,质量用PROBAST+AI、TRIPOD+AI、RQS与METRICS评价。
- 主要结果:结果:8个队列用MRI、3个用CT、1个两者兼用、1个用骨SPECT/CT,3篇评估深度学习;8篇可提供或推导2×2表,敏感度0.800–0.935,特异度0.727–1.000,优选AUC 0.801–1.000;全部报告的开发质量关注度为高,22个诊断评估数据集均为高偏倚风险。
- 机制或解释:机制/解释:作者未讨论生物学机制,重点在于方法学评价;指出判别性能虽可观,但研究属方法学初步阶段,不能据此确立临床有用性,需前瞻性评估与独立多中心外部验证。
- 局限与边界:局限:纳入研究均为回顾性,仅1项采用地理外部验证,无前瞻性研究,也无决策曲线分析;完整TRIPOD+AI报告率中位数仅48.3%;存在报告重叠可能(2篇按1篇计);检索截止日期为未来日期,材料未报告利益冲突。
- 可否落地:落地:证据档位B,提示影像组学在该鉴别诊断上具有研究前景,但尚不足以下结论支持临床常规使用;对科研的意义在于提示需按TRIPOD+AI规范报告并开展前瞻性、多中心外部验证研究。
🔗 打开原文
Clausen NA, Hylands A, Temperley HC 等
本文摘自《每日前沿研究简报 · 2026-11-20》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

发表评论 取消回复