
-
生物通官微
陪你抓住生命科技
跳动的脉搏
综述:基于人工智能的颅底手术脑脊液漏预测:范围综述
《European Archives of Oto-Rhino-Laryngology》:Artificial intelligence–based prediction of cerebrospinal fluid leak in skull base surgery: a scoping review
【字体: 大 中 小 】 时间:2026年10月15日 来源:European Archives of Oto-Rhino-Laryngology 2.4
编辑推荐:
摘要背景脑脊液(CSF)漏仍是颅底手术最严重的并发症之一,尤其是在内镜经鼻入路和经蝶入路中。准确的风险分层可能改善手术计划和重建策略。基于人工智能(AI)的模型已被越来越多地用于预测脑脊液漏;然而,现有证据在方法学上仍存在异质性。本范围综述旨在梳理当前文献并总结数据来源、建模
脑脊液(CSF)漏仍是颅底手术最严重的并发症之一,尤其是在内镜经鼻入路和经蝶入路中。准确的风险分层可能改善手术计划和重建策略。基于人工智能(AI)的模型已被越来越多地用于预测脑脊液漏;然而,现有证据在方法学上仍存在异质性。本范围综述旨在梳理当前文献并总结数据来源、建模方法、验证策略及报告的性能。
本范围综述遵循PRISMA-ScR指南。纳入标准采用人群-概念-背景框架进行构建。检索了PubMed/MEDLINE、Scopus和Web of Science数据库,收录2019年至2025年发表的英文研究。两位作者独立筛选标题/摘要和全文,并独立使用标准化表格记录数据;分歧通过共识解决。符合条件的原始人体研究应用AI/ML预测围手术期手术脑脊液漏,或推导用于识别与手术评估相关的自发性侧颅底脑脊液漏/脑膜膨出的影像学生物标志物。未准备或注册正式方案。
共识别出55条记录,经去除重复和全文评估后,9项原始研究符合纳入标准。6项研究预测术中脑脊液漏,2项研究预测术后漏,1项研究评估了基于深度学习的CT生物标志物,用于识别与手术评估相关的自发性侧颅底脑脊液漏或脑膜膨出。3项研究使用经典机器学习方法,4项研究主要使用深度神经网络或卷积神经网络方法,1项研究比较了经典模型与前馈神经网络,1项研究使用了基于BERT的自然语言处理模型。1项研究报告了前瞻性时间验证;无研究报告在其他机构的独立外部验证。在报告AUC的研究中,数值范围为0.69至1.00;报告的准确率范围为70%至98.33%。
基于AI的脑脊液漏预测是一个充满希望但仍在发展中的领域。方法学异质性和缺乏独立外部验证制约了临床转化。未来研究应优先采用标准化结局、多中心数据集和前瞻性验证,以支持其整合到临床决策中。
脑脊液(CSF)漏仍是颅底手术最严重的并发症之一,尤其是在内镜经鼻入路和经蝶入路中。准确的风险分层可能改善手术计划和重建策略。基于人工智能(AI)的模型已被越来越多地用于预测脑脊液漏;然而,现有证据在方法学上仍存在异质性。本范围综述旨在梳理当前文献并总结数据来源、建模方法、验证策略及报告的性能。
本范围综述遵循PRISMA-ScR指南。纳入标准采用人群-概念-背景框架进行构建。检索了PubMed/MEDLINE、Scopus和Web of Science数据库,收录2019年至2025年发表的英文研究。两位作者独立筛选标题/摘要和全文,并独立使用标准化表格记录数据;分歧通过共识解决。符合条件的原始人体研究应用AI/ML预测围手术期手术脑脊液漏,或推导用于识别与手术评估相关的自发性侧颅底脑脊液漏/脑膜膨出的影像学生物标志物。未准备或注册正式方案。
共识别出55条记录,经去除重复和全文评估后,9项原始研究符合纳入标准。6项研究预测术中脑脊液漏,2项研究预测术后漏,1项研究评估了基于深度学习的CT生物标志物,用于识别与手术评估相关的自发性侧颅底脑脊液漏或脑膜膨出。3项研究使用经典机器学习方法,4项研究主要使用深度神经网络或卷积神经网络方法,1项研究比较了经典模型与前馈神经网络,1项研究使用了基于BERT的自然语言处理模型。1项研究报告了前瞻性时间验证;无研究报告在其他机构的独立外部验证。在报告AUC的研究中,数值范围为0.69至1.00;报告的准确率范围为70%至98.33%。
基于AI的脑脊液漏预测是一个充满希望但仍在发展中的领域。方法学异质性和缺乏独立外部验证制约了临床转化。未来研究应优先采用标准化结局、多中心数据集和前瞻性验证,以支持其整合到临床决策中。