共计 754 个字符,预计需要花费 2 分钟才能阅读完成。
基底细胞癌(BCC)作为最常见的皮肤癌类型,其全球发病率持续攀升。虽然转移率较低,但若未能及时治疗,可能导致严重的局部侵袭和患者痛苦。皮肤镜作为一种非侵入性诊断工具,已被广泛应用于 BCC 的检测,但其诊断准确性受限于人类观察者的主观性。近年来,基于皮肤镜的深度学习算法展现出巨大潜力,但其诊断性能仍存在争议。
本研究通过荟萃分析,评估了这些算法在 BCC 检测中的表现,并与皮肤科医生的诊断能力进行了比较。研究在 PubMed、Embase 和 Web of Science 数据库中检索了截至 2024 年 11 月 4 日的相关文献,并于 2025 年 1 月进行了补充检索。纳入标准包括使用深度学习算法分析皮肤镜图像以检测 BCC 的研究,并报告敏感性、特异性和曲线下面积(AUC)等指标。研究质量通过修订后的 QUADAS- 2 工具进行评估,采用双变量随机效应模型计算合并敏感性和特异性。
在 1941 项初步检索的研究中,最终纳入 15 项,涉及 32,069 例患者或图像的内部验证集和 200 例患者或图像的外部验证集。结果显示,基于皮肤镜的深度学习算法的合并敏感性、特异性和 AUC 分别为 0.96、0.98 和 0.99,显著高于皮肤科医生的表现(敏感性 0.75,特异性 0.97,AUC 0.96)。在使用内部验证数据集时,深度学习算法的 AUC 显著优于皮肤科医生(_P_=.008)。
本研究表明,基于皮肤镜的深度学习算法在 BCC 检测中表现出卓越的诊断性能,其准确性优于人类专家。然而,纳入研究的回顾性设计和参考标准的差异可能限制结果的普遍性。尽管内部验证数据集上的表现令人鼓舞,但其在外部验证数据集中的转化能力仍需进一步研究。未来的外部验证将有助于增强深度学习算法在皮肤病诊断中的应用。
试验注册:PROSPERO 国际前瞻性系统评价注册号 CRD42025633947。