跳到正文
原文
JNNP 神经病学· Patel, S., Nischal, S. A., Chai, Y.-H., Mendonca, A., Kale, K. M., Castiglione, J., Patel, P., Gooch, R., Tjoumakaris, S. I., Jabbour, P.·· 2026-09-14精选AI 评分72

机器学习模型对比传统风险分层预测颅内动脉瘤破裂的诊断性能:系统评价与双变量Meta分析

Diagnostic performance of machine learning models versus established risk stratification for intracranial aneurysm rupture: a systematic review and bivariate meta-analysis

AI 导读

一项基于62项回顾性队列(29709名患者、209个模型)的系统评价和双变量Meta分析显示,机器学习模型在训练和测试数据集上的AUC均高于PHASES评分。在外部验证中,机器学习模型的敏感性保持在0.82,但特异性降至0.66;证据存在小样本效应,且多数研究的预测模型偏倚风险评估等级不明确。

推荐理由

该研究系统性评估机器学习模型在颅内动脉瘤破裂预测中的诊断表现,为替代传统风险评分提供分层证据支持。

来源:JNNP 神经病学 · jnnp.bmj.com