人工智能模型，特别是人工神经网络和机器学习，在预测卵巢癌患者完全细胞减灭术后的结果方面优于传统方法，包括总生存率、无残留病灶和术后并发症。
根据发表在《BMC Surgery》上的一项系统评价，人工智能（AI）模型，即人工神经网络（ANNs）和机器学习（ML）模型，在预测卵巢癌（OC）患者完全细胞减灭术（CC）后的结果方面优于传统统计方法。目前，细胞减灭术和基于铂类的化疗是卵巢癌的一线治疗方法。研究人员强调，CC（定义为手术后无可见残留肿瘤细胞）“至关重要”，并受外科医生的经验和技术影响。
尽管人工智能有可能改善卵巢癌的治疗质量，但当前图像处理技术的局限性阻碍了其在预测减瘤结果上的即时应用。尽管存在这些挑战，研究人员仍然强调了人工智能在未来的作用。因此，他们进行了系统评价，以评估人工智能与传统方法相比在预测卵巢癌患者CC手术结果方面的准确性。
研究的结果包括人工智能在预测患者的总生存率（OS）、无肉眼残留病灶（R0）、住院时间（LOS）和重症监护病房住院情况方面的诊断准确性。为了分析这些结果，研究人员回顾了2015年至2024年2月间所有关于人工智能在卵巢癌患者CC术后结果预测中作用的研究；符合条件的研究需至少使用一种AI算法，如ANN或ML来预测CC。
两名研究人员在PubMed、Scopus、Google Scholar、Web of Science和Cochrane Library中搜索了相关研究，使用相关关键词进行筛选。他们首先根据标题和摘要进行初步筛选，然后进行全文审查，最终确定进一步分析的研究。
评审人员最初确定了1013项研究，最终缩小到10项。从这10项研究中，他们提取了作者、评估结果和出版年份的数据。这10项研究共涉及2842名患者，平均年龄（标准差）为61.4岁（4.75岁）。大多数研究是在发达国家进行的，如美国。此外，不同的AI方法被用于预测卵巢癌患者CC的结果，包括ANN和ML方法。
在这10项研究中，有3项提供了预测OS的定量数据。这些研究的综合估计显示，人工智能在预测OS方面的准确率为69.64%（95%置信区间，66.5%-71.92%）。根据Egger检验，研究结果未发现发表偏倚（t = 1.2；95%置信区间，-1.11至2.04；P = 0.087）。
另外，4项研究的综合估计显示，人工智能在预测R0方面的准确率为80.5%（95%置信区间，71.46%-89.6%）。Egger检验也未报告出版偏倚（t = -4.59；95%置信区间，-14.6至6.1；P = 0.58）。
剩余的3项研究考察了人工智能在预测卵巢癌患者CC后的各种结果的能力，包括重症监护病房需求、住院时间和尿路感染。其中一项研究使用ML方法发现，人工智能在预测重症监护病房需求方面的准确率为95%（范围，93%-97%）。另一项研究使用ANN预测住院时间，准确率为93%（范围，88%-98%）。
最后一项研究报告称，人工智能可以预测尿路感染风险，准确率为86%（范围，78%-84%）。研究人员认为，年龄、体重指数、失血量、糖尿病、导管使用、导管插管次数和低蛋白血症是最重要的预测因素。
研究人员承认他们的研究存在局限性，包括由于高结果变异性导致的研究之间的低可比性。因此，他们认为“不可能”确定哪种算法和模型在预测卵巢癌患者CC后的结果方面更优。尽管存在这些局限性，研究人员仍对人工智能在提高卵巢癌护理和结果方面的潜力充满信心。
“医疗保健提供者必须能够信任人工智能做出的预测，并利用他们的经验根据这些结果做出临床决策，”作者总结道。“在满足这一前提条件的情况下，人工智能在向个性化医学转变及其预测价值方面将继续实现其潜力。”
(全文结束)
