综述:机器学习增强的光学组织传感用于脊柱手术中的术中导引:系统评价与荟萃分析
《Optics》:Machine-Learning Augmented Optical Tissue Sensing for Intraoperative Guidance in Spine Surgery: A Systematic Review and Meta-Analysis
【字体:
大
中
小
】
时间:2026年08月28日
来源:Optics 1.8
摘要
背景:椎弓根螺钉定位不当及椎管突破可导致严重的神经和血管并发症。透视、导航和机器人引导轨迹,但它们并不能直接识别器械前方的组织。我们评估了机器学习(ML)增强光学感知在脊柱相关场景中的组织识别能力。方法:我们按照前瞻性注册的PROSPERO方案开展了一项PRISMA-DTA系统综述,检索了五个数据库。使用随机效应模型对分类准确率进行汇总,并报告95%置信区间(CI)和预测区间(PI)。采用QUADAS-2评估研究质量,并辅以ML专项信号问题。结果:八项研究符合纳入标准。五项单组离体或尸体分类研究纳入荟萃分析,其中四项使用猪组织。在单个光谱、图像块或图像层面,汇总分类准确率为95.9%(95% CI,93.5–97.7%),研究间存在显著异质性(I2 = 99.4%;95% PI,89.8–99.4%)。以受试者数为分母进行的敏感性分析得出97.36%(95% CI,87.46–100.00%)。由于结果未在受试者层面报告,该估计值不应解读为患者层面的准确率。没有研究在活体人类中测试术中组织分类,也未进行外部验证,其中一项研究存在数据泄露的高风险。两项非ML灌注研究仅被保留以描述预设的证据缺口。结论:机器学习增强的光学感知可在受控的临床前条件下区分脊柱相关组织。现有证据尚未确立术中或患者层面的表现。相关文献体量仍然有限、异质性强、以临床前为主,且缺乏外部验证。在这些系统能够支持术中决策之前,仍需开展具有独立验证的前瞻性活体人类研究。
生物通微信公众号
生物通新浪微博
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