NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Abstract Background: Yapay zeka (AI), nöro-onkoloji, vasküler, fonksiyonel ve spinal alt uzmanlık alanlarında hassaslığı ve karar vermeyi arttıran tanısal nöroşirürjide giderek daha fazla uygulanmaktadır. Potansiyeline rağmen, sonuçlardaki değişkenlik, performansının ve uygulanabilirliğinin sistematik bir şekilde gözden geçirilmesini gerektirir. Yöntemler: PubMed, Cochrane Kütüphanesi, Embase, CNKI ve ClinicalTrials.gov'un kapsamlı bir araştırması Ocak 2020'den Ocak 2025'e kadar yapıldı. Dahil olma kriterleri, tanısal beyin cerrahisi için AI kullanan, nicel performans metriklerini bildiren çalışmalardan oluşuyordu. Çalışmalar, insan olmayan konulara odaklanırsa, net performans metriklerinden yoksunsa veya tanısal nörocerrahideki AI uygulamalarıyla doğrudan ilişkili değilse dışlandı. Önyargı riski PROBAST aracı kullanılarak değerlendirildi. Bu çalışma 26 Ocak 2025'te PROSPERO, CRD42025631040 numarasına kayıtlıdır. Bulgular: 186 çalışmada nöral ağlar (%29) ve hibrit modeller (%49) hakimdi. Çalışmalar nöro-onkoloji (%52.69), vasküler nöroşirürji (%19.89), fonksiyonel nöroşirürji (%16.67) ve spinal nöroşirürji (%11.83) olarak kategorize edilmiştir. Median accuracies çoğu kategoride %85'i aştı, nöro-onkoloji tümör tespiti, derecelendirme ve segmentasyon için yüksek tanı doğruluğu elde etti. Vasküler beyin cerrahisi modelleri, inme ve intrakraniyal kanama tespitinde %97'lik medyan AUC değerleri ile mükemmelleşti. Fonksiyonel ve spinal uygulamalar umut verici sonuçlar gösterdi, ancak duyarlılık ve özgüllükteki değişkenlik standartlaştırılmış veri kümeleri ve doğrulama ihtiyacını vurgulamaktadır. Tartışma: İncelemenin sınırlamaları, veri ağırlıklı olmama, meta-analiz yokluğu, sınırlı veri toplama zaman çerçevesi, çalışma kalitesinde değişkenlik ve bazı çalışmalarda yanlılık riskini içerir. Sonuç: Nöroşirürjideki yapay zeka, nöroşirürji alanlarında tanı doğruluğunu iyileştirme potansiyelini gösterir. İnme, ICH, anevrizma tespiti ve Parkinson hastalığı ve epilepsi gibi fonksiyonel durumlar için kullanılan modeller umut verici sonuçlar göstermektedir. Bununla birlikte, çalışmalar boyunca duyarlılık, özgüllük ve AUC değerlerindeki değişkenlik, klinik canlılık ve etkinliği sağlamak için daha fazla araştırma ve model rafine edilmesinin gerekliliğini vurgulamaktadır.
Özgün kaynak özetini okuyun
Abstract Background: Artificial intelligence (AI) is increasingly applied in diagnostic neurosurgery, enhancing precision and decision-making in neuro-oncology, vascular, functional, and spinal subspecialties. Despite its potential, variability in outcomes necessitates a systematic review of its performance and applicability. Methods: A comprehensive search of PubMed, Cochrane Library, Embase, CNKI, and ClinicalTrials.gov was conducted from January 2020 to January 2025. Inclusion criteria comprised studies utilizing AI for diagnostic neurosurgery, reporting quantitative performance metrics. Studies were excluded if they focused on non-human subjects, lacked clear performance metrics, or if they did not directly relate to AI applications in diagnostic neurosurgery. Risk of bias was assessed using the PROBAST tool. This study is registered on PROSPERO, number CRD42025631040 on January 26th, 2025. Results: Within the 186 studies, neural networks (29%) and hybrid models (49%) dominated. Studies were categorised into neuro-oncology (52.69%), vascular neurosurgery (19.89%), functional neurosurgery (16.67%), and spinal neurosurgery (11.83%). Median accuracies exceeded 85% in most categories, with neuro-oncology achieving high diagnostic accuracy for tumour detection, grading, and segmentation. Vascular neurosurgery models excelled in stroke and intracranial haemorrhage detection, with median AUC values of 97%. Functional and spinal applications showed promising results, though variability in sensitivity and specificity underscores the need for standardised datasets and validation. Discussion: The review’s limitations include the lack of data weighting, absence of meta-analysis, limited data collection timeframe, variability in study quality, and risk of bias in some studies. Conclusion: AI in neurosurgery shows potential for improving diagnostic accuracy across neurosurgical domains. Models used for stroke, ICH, aneurysm detection, and functional conditions such as Parkinson’s disease and epilepsy demonstrate promising results. However, variability in sensitivity, specificity, and AUC values across studies underscores the need for further research and model refinement to ensure clinical viability and effectiveness.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.