综述：用于预测结直肠癌患者同步性和异时性肝转移的人工智能：一项系统评价和荟萃分析

《Abdominal Radiology》：Artificial intelligence for the prediction of synchronous and metachronous liver metastasis in colorectal cancer patients: a systematic review and meta-analysis

结直肠癌肝转移预测的AI模型有效性及方法学质量评估，系统综述与元分析显示radiomics和深度学习模型灵敏度0.80、特异性0.81，AUC 0.84，但存在方法学质量不足问题。

　　

摘要

背景

结直肠癌（CRC）是全球第三大常见癌症，也是癌症死亡的第二大原因。肝脏是这种癌症最常见的转移部位（包括同时性和异时性转移），影响了12.8%的患者。人工智能（AI）模型在辅助诊断结直肠癌肝转移（CRLM）方面显示出巨大潜力。放射组学模型从医学图像中提取定量特征，以表征肿瘤的异质性，如肿瘤形状、纹理和强度；而深度学习模型凭借其自动化处理流程已成为该领域的新研究趋势。在这项系统评价和荟萃分析中，我们旨在评估放射组学和深度学习模型是否能够预测结直肠癌患者发生同时性和异时性肝转移的情况。

方法

我们在PubMed、Scopus、Embase和Web of Science上进行了全面的文献检索。纳入标准是那些基于输入影像数据训练和验证AI模型以预测结直肠癌患者同时性和异时性肝转移的研究。我们使用了诊断准确性研究的质量评估工具（QUADAS）和放射组学质量评分工具（RQS）来进行质量评估。进行了两组不同的分析来计算敏感性和特异性的汇总估计值，并通过补充的双变量分析来综合评估这两项指标。在亚组分析和荟萃回归中，我们评估了可能影响结果异质性的各种因素。

结果

我们的系统检索共找到6759篇研究，经过标题/摘要和全文筛选后，最终纳入了21篇研究。汇总敏感性为0.80（95%置信区间：0.74–0.84），汇总特异性为0.81（95%置信区间：0.72–0.88）。SROC曲线（AUC）值为0.84（p-AUC = 0.81），表明这些模型具有较高的区分能力。临床效用分析显示，这些模型的阳性预测率（PLR）为4.29，阴性预测率（NLR）为0.25。基于38%的预测试概率，模型的最终汇总阳性预测值（PPV）和阴性预测值（NPV）分别为0.72和0.87。质量评估结果显示，QUADAS工具的整体偏倚风险较低，但参考标准和指数测试领域存在较高的偏倚风险。RQS工具的平均得分为16.4分（满分为36分），表明各研究的方法学质量较差。

结论

AI模型在准确预测结直肠癌肝转移方面显示出良好的效果。尽管纳入研究的方法学质量和报告质量存在显著不足，这突显了未来需要开展更严谨的标准研究。