要約
軟部組織および骨腫瘍 (STBT) は、臨床的挙動や治療アプローチが多様な、まれで診断が難しい病変です。
この体系的レビューでは、これらの腫瘍の診断と予後のために放射線画像を使用する人工知能 (AI) 手法の概要を提供し、臨床応用における課題を強調し、医用画像における AI のチェックリスト (CLAIM) および FUTURE-AI との研究の整合性を評価します。
AI 手法の臨床応用を促進する、信頼性が高く展開可能な AI に関する国際的なコンセンサス ガイドライン。
このレビューでは、2024 年 7 月 17 日より前に出版された論文を含む、いくつかの書誌データベースの文献が対象となっています。
原発性STBTの診断または予後を目的とした放射線医学ベースのAIに焦点を当てた査読済みジャーナルのオリジナル研究が含まれています。
除外基準は、動物、死体、または実験室での研究、および英語以外の論文でした。
抄録は、3 人の独立した査読者のうち 2 人によって適格性を審査されました。
適格な論文は、3 人の独立した査読者のうちの 1 人によってガイドラインに照らして評価されました。
検索により 15,015 件の抄録が特定され、その中から 325 件の論文が評価対象に含まれました。
ほとんどの研究は、CLAIM に関しては中程度の成績を収め、53 件中平均 28.9$\pm$7.5 のスコアを獲得しましたが、FUTURE-AI に関しては 30 件中平均 5.1$\pm$2.1 とあまり良くありませんでした。STBT 用のイメージング AI ツールはまだ実証段階にあります。
構想段階であり、改善の余地が大きいことが示されています。
AI開発者による今後の取り組みは、設計（例：満たされていない臨床ニーズ、意図する臨床設定、AIが臨床ワークフローにどのように統合されるかを定義する）、開発（例：以前の研究に基づく構築、説明可能性）、評価（例：バイアスの評価と対処、評価）に焦点を当てる必要がある。
ベスト プラクティスに対する AI）、データの再現性と可用性（文書化されたコードとデータの公開）。
これらの推奨事項に従えば、AI 手法の臨床応用が改善される可能性があります。
要約(オリジナル)
Soft-tissue and bone tumours (STBT) are rare, diagnostically challenging lesions with variable clinical behaviours and treatment approaches. This systematic review provides an overview of Artificial Intelligence (AI) methods using radiological imaging for diagnosis and prognosis of these tumours, highlighting challenges in clinical translation, and evaluating study alignment with the Checklist for AI in Medical Imaging (CLAIM) and the FUTURE-AI international consensus guidelines for trustworthy and deployable AI to promote the clinical translation of AI methods. The review covered literature from several bibliographic databases, including papers published before 17/07/2024. Original research in peer-reviewed journals focused on radiology-based AI for diagnosing or prognosing primary STBT was included. Exclusion criteria were animal, cadaveric, or laboratory studies, and non-English papers. Abstracts were screened by two of three independent reviewers for eligibility. Eligible papers were assessed against guidelines by one of three independent reviewers. The search identified 15,015 abstracts, from which 325 articles were included for evaluation. Most studies performed moderately on CLAIM, averaging a score of 28.9$\pm$7.5 out of 53, but poorly on FUTURE-AI, averaging 5.1$\pm$2.1 out of 30. Imaging-AI tools for STBT remain at the proof-of-concept stage, indicating significant room for improvement. Future efforts by AI developers should focus on design (e.g. define unmet clinical need, intended clinical setting and how AI would be integrated in clinical workflow), development (e.g. build on previous work, explainability), evaluation (e.g. evaluating and addressing biases, evaluating AI against best practices), and data reproducibility and availability (making documented code and data publicly available). Following these recommendations could improve clinical translation of AI methods.
arxiv情報
| 著者 | Douwe J. Spaanderman,Matthew Marzetti,Xinyi Wan,Andrew F. Scarsbrook,Philip Robinson,Edwin H. G. Oei,Jacob J. Visser,Robert Hemke,Kirsten van Langevelde,David F. Hanff,Geert J. L. H. van Leenders,Cornelis Verhoef,Dirk J. Gruühagen,Wiro J. Niessen,Stefan Klein,Martijn P. A. Starmans |
| 発行日 | 2024-08-22 15:31:48+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google