10.3969/j.issn.1009-8291.2022.12.011
基于CT的机器学习模型鉴别诊断肾肿瘤良恶性的Meta分析
目的 采用Meta分析评价基于CT的机器学习模型(ML)在鉴别诊断难辨别肾良性肿瘤与肾细胞癌的价值.方法 检索PubMed、The Cochrane Library、Web of Science、Medline、CNKI、万方数据库自建库至2022年3月发表的有关基于CT的ML模型鉴别诊断难辨别的肾良性肿瘤(肾嗜酸细胞瘤、肾乏脂肪血管平滑肌脂肪瘤)与肾细胞癌的中英文文献.采用Stata 14.0、Rev-Man 5.4、meta-Disc 1.4软件进行Meta分析,计算纳入文献的合并敏感性、合并特异性、阳性似然比、阴性似然比和诊断价值比,绘制总受试者工作曲线(SROC),计算曲线下面积(AUC).将测试集数量、模型验证策略、学习模型种类进行亚组分析,采用Meta回归分析非阈值效应引起的异质性.结果 共纳入12项文献,合并敏感性、特异性、阳性似然比、阴性似然比、诊断比值比分别为0.76(95%CI:0.68~0.83)、0.84(95%CI:0.78~0.89)、4.9(95%CI:3.5~7.0)、0.28(95%CI:0.21~0.37)、18(95%CI:11~28),绘制SROC曲线,AUC值为0.87,Meta回归显示,测试集数量、模型验证策略、学习模型种类对诊断结果产生的差异无统计学意义.Deek's漏斗图评估提示无发表偏倚,P=0.264.结论 基于CT的ML模型鉴别诊断难辨别肾良性肿瘤与肾细胞癌时的敏感性、特异性及AUC值均较高,具有临床推广应用的潜力.
肾肿瘤、肾细胞癌、人工智能、机器学习、计算机断层扫描、肾嗜酸细胞瘤、肾乏脂肪血管平滑肌脂肪瘤、Meta分析
27
R737.11(肿瘤学)
吴阶平医学基金No.320.6750.19094-43
2023-01-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
1036-1041,1045