综述：人工智能在卵巢子宫内膜异位症成像中的潜力：基于经阴道超声的人工智能模型与人工阅片者的比较性荟萃分析

摘要

目的

经阴道超声（TVUS）被广泛用于诊断卵巢子宫内膜异位症，但其诊断准确性仍受到操作者技能的显著影响。本系统评价和荟萃分析评估了基于超声的人工智能（AI）模型在诊断卵巢子宫内膜异位症方面的准确性，并直接将其性能与人类读片者的性能进行了比较。

方法

我们检索了截至2025年12月5日的五个数据库（PubMed、Embase、Scopus、Web of Science和Cochrane Library），以寻找报告AI模型与人类读片者在检测卵巢子宫内膜异位瘤方面诊断指标的研究。使用双变量随机效应模型计算了这些模型的合并敏感性、特异性和曲线下面积（AUC）。

结果

共有7项研究纳入分析，涉及2737名患者（6061张图像）。AI模型的合并敏感性为91%（置信区间81%-96%），特异性为95%（置信区间92%-96%）。人类读片者的合并敏感性为80%（95%置信区间65%-90%），特异性为85%（95%置信区间74%-92%）。AI模型在特异性（p = 0.001）和总体诊断区分能力方面显著优于人类读片者，其AUC为0.97（95%置信区间0.95-0.98），而人类读片者的AUC为0.84（95%置信区间0.82-0.88）（p < 0.001）；不过两者的敏感性相当（p = 0.10）。纳入研究之间的异质性很小（0%）。

结论

AI算法在特异性和总体诊断区分能力方面显示出相对于人类读片者的良好但初步的诊断性能。这些结果表明，AI可能作为超声评估卵巢子宫内膜异位症的辅助工具，有助于实现更标准化的解读并减少假阳性诊断。