开辟新视野:儿科肠套叠的机器学习应用——系统评价与荟萃分析

《Journal of Pediatric Surgery》:Unfolding new horizons: Machine learning applications for pediatric intussusception - A systematic review and meta-analysis

【字体: 大 中 小 】 时间:2026年10月09日 来源:Journal of Pediatric Surgery 2.3

编辑推荐:

   **摘要** **背景**:小儿肠套叠是幼儿期最常见的急腹症之一。超声检查是诊断标准,但仍依赖操作者水平,目前尚无经验证的机器学习(ML)工具用于分诊或预后分层。我们系统地评估了用于小儿肠套叠诊断与预后的ML模型。 **方法**:本PROSPERO注册的系统综述与Meta

  **摘要****背景**:小儿肠套叠是幼儿期最常见的急腹症之一。超声检查是诊断标准,但仍依赖操作者水平,目前尚无经验证的机器学习(ML)工具用于分诊或预后分层。我们系统地评估了用于小儿肠套叠诊断与预后的ML模型。**方法**:本PROSPERO注册的系统综述与Meta分析(CRD420251073590)纳入了评估小儿肠套叠诊断或预后ML模型并报告敏感性、特异性或AUC的研究。采用PROBAST评估偏倚风险。对内部与外部验证数据集应用双变量随机效应模型,并按输入模态进行亚组分析。**结果**:共纳入11项研究(37种模型变体;36,863例患者)。内部验证的超声(US)模型(k=4)合并敏感性为0.914(95%CI: 0.829–0.959),特异性为0.980(95%CI: 0.939–0.994)。外部验证的US模型(k=3)显示敏感性为0.946(95%CI: 0.909–0.969),特异性为0.958(95%CI: 0.918–0.979)。腹部X线(AXR)分诊模型在外部验证中表现较低(敏感性0.800 [95%CI: 0.725–0.859];特异性0.748 [95%CI: 0.662–0.819]),与其筛查定位一致。值得注意的是,AI辅助总体上使初级阅片者的特异性提高了15.9个百分点(对于经验最浅的阅片者,最高可达37.6个百分点),且AI辅助的初级超声技师将超声检查时间缩短了61%,而诊断准确性未受影响。检测到可能存在发表偏倚(Deeks检验 p=0.021)。预后模型AUC范围为0.555至0.962。**结论**:基于US的ML模型展现出高且外部稳健的诊断准确性。AXR模型适用于筛查,但需要进一步验证。尚无研究报告临床终点数据。在实施前,需要在亚洲以外开展多中心前瞻性验证,并发展相关监管路径。在此之前,基于AXR的模型应被定位为一种提高临床怀疑度的辅助手段,绝不能作为决定患儿是否接受超声检查的门槛。**证据等级**:III级——回顾性诊断准确性研究的系统综述与Meta分析。---**引言**肠套叠,即近端肠段(套入部)套入相邻远端肠段(鞘部),是婴幼儿急性肠梗阻最常见的原因之一,主要累及3个月至3岁儿童,全球发病率约为每10万婴儿年74例[1], [2]。若未及时复位,肠系膜血管受损可导致肠缺血、坏死及穿孔[3], [4]。诊断颇具挑战性,因为经典的临床三联征——阵发性腹痛、呕吐和果酱样血便——在初次就诊时出现于不足三分之一的病例[4], [5]。多数患儿表现为非特异性症状,如间歇性烦躁、嗜睡或单独呕吐,常被误认为胃肠炎。鉴于近期Meta分析显示腹部超声(US)合并敏感性与特异性超过0.96[6],且无辐射暴露、可床边操作,US成为首选诊断手段。然而,超声检查依赖操作者水平,易受观察者间变异影响,尤其在非专科中心更为突出[7], [8]。除诊断外,预后分层仍不理想。复位成功后的复发率为8–20%[9], [10];非手术复位失败需手术的比例为6–20%[3], [10];仅凭临床参数可靠预测上述任一结局尚未确立。机器学习(ML)在小儿肠套叠中的应用服务于三个需明确区分的临床角色:一是应用于普通腹部X线片(AXR)的分诊工具,用于识别需进一步US检查的患者;二是应用于US图像的确证诊断工具,用于明确诊断或排除肠套叠;三是预测复发、需手术干预或灌肠不可复位的预后模型。这些角色需要不同的性能阈值,若无分层则无法有意义地合并评估。迄今尚无系统综述同时评估并分层涵盖以上三类角色的证据。本研究为首项关于小儿肠套叠诊断与预后应用中ML模型的系统综述与Meta分析,采用双变量Meta分析、预设亚组与敏感性分析,并评估发表偏倚。我们的目标刻意务实:判断已发表证据是否足以将其中任何模型纳入小儿外科诊疗路径,并明确各类模型在能够可信地缩短从就诊到复位的间隔前必须达到的要求。---**各部分片段****研究设计与注册**:本系统综述与Meta分析按照《系统综述和Meta分析首选报告条目》(PRISMA)医疗保健干预Meta分析扩展声明进行并报告[25]。研究方案已事先在国际系统综述前瞻性注册平台(PROSPERO)注册(注册号:CRD420251073590)。**文献检索**:于2025年6月在PubMed/Medline、Scopus及Cochrane图书馆进行文献检索。**研究选择**:数据库合并检索识别出373条记录。去除24条重复记录后,剩余349条唯一记录。经标题与摘要筛选后,评估27篇全文文章,其中16篇被排除(未聚焦小儿肠套叠:11篇;仅涉及管理干预:2篇;未应用ML模型:3篇)。11项研究符合所有纳入标准[27], [28], [29], [30], [31], [32], [33], [34], [35], [36], [37]。6项研究提供了充分的2×2四格表数据用于内部验证分析。**讨论**:这是首项按临床角色(AXR分诊 vs. US确证诊断 vs. 预后预测)对小儿肠套叠ML证据进行分层、采用双变量随机效应模型、并针对机构重叠与指标不一致性进行预设敏感性分析的系统综述与Meta分析。本综述中有两项发现直接关系到患者照护,而不仅仅是模型性能本身。AI辅助AXR解读在经验最少的阅片者中显著提高了特异性……**结论**:基于US的确证ML模型在小儿肠套叠中展现出高且外部稳健的诊断准确性;AXR分诊模型对于筛查应用表现适当,但阈值较低。预后模型倾向于基于影像的方法优于仅基于临床数据的方法,其中实时灌肠不可复位的预测代表一项新颖应用。现有证据几乎全部来自东亚,无任何研究提供临床终点数据,且缺乏监管级别的验证。多中心……**CRediT作者贡献声明**:**Dan Poenaru**:写作—审阅与编辑、监督。**Solonas Symeou**:写作—审阅与编辑、写作—初稿、可视化、验证、项目管理、方法论、调查、数据整理、概念构思。**Gisella Chiara Carpi**:软件、方法论、形式分析。**Letícia Rocha Campos**:写作—审阅与编辑、写作—初稿、可视化、验证、项目管理、方法论、调查、数据整理、概念构思。**未引用参考文献**:[11]; [12]; [13]; [14]; [15]; [16]; [17]; [18]; [19]; [20]; [21]; [22]; [23]; [24]。**利益披露**:作者披露无利益冲突。本研究未获得外部资助。**PROSPERO注册**:CRD420251073590**手稿准备过程中生成式AI与AI辅助技术的声明**:在准备本作品过程中,作者使用了Claude以提高文章的可读性。在使用该工具/服务后,作者根据需要审阅并编辑了内容,并对已发表文章的内容承担全部责任。**资助**:本研究未获得公共、商业或非营利部门资助机构的具体资助。**利益冲突声明**:作者披露无利益冲突。**致谢**:本研究遵循PRISMA规定的报告指南,完整的PRISMA检查表作为补充表S5提供。---Letícia Rocha Campos | Solonas Symeou | Gisella Chiara Carpi | Dan Poenaru巴西圣保罗州里贝朗普雷图大学(UNAERP)医学院
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号