综述：蚊媒病毒感染早期检测中人工智能与传统方法的诊断性能比较：一项系统评价与荟萃分析（证据主要来源于登革热研究）

《Machine Learning and Knowledge Extraction》：Comparative Diagnostic Performance of Artificial Intelligence Versus Conventional Approaches for Early Detection of Mosquito-Borne Viral Infections: A Systematic Review and Meta-Analysis, with Evidence Predominantly from Dengue Studies Flavia Pennisi, Antonio Pinto, Claudia Cozzolino, Andrea Cozza, Giovanni Rezza, Carlo Signorelli, Vincenzo Baldo and Vincenza Gianfredi

　　

背景：蚊媒病毒感染与其他急性发热性疾病在早期阶段的鉴别诊断仍具挑战性，尤其在流行区及资源有限环境中。人工智能（Artificial Intelligence, AI）模型被提出用于改善早期诊断，但其相较于传统方法的增量价值尚不明确。方法：研究人员开展了一项系统评价与荟萃分析，纳入比较AI/机器学习（Machine Learning, ML）模型与传统方法（临床评估、实验室路径或传统统计模型）在蚊媒病毒感染早期检测中的研究。检索数据库包括PubMed、Embase和Scopus，时间截至2025年8月。采用固定效应模型和随机效应模型对配对性能指标进行合成，结局指标包括受试者工作特征曲线下面积（Area Under the Curve, AUC）、灵敏度、特异度、准确率、阳性预测值（Positive Predictive Value, PPV）和阴性预测值（Negative Predictive Value, NPV）。偏倚风险采用预测模型偏倚风险评估工具（Prediction model Risk Of Bias Assessment Tool, PROBAST）进行评估。结果：共13项研究符合纳入标准。随机效应模型显示，AI显著提升了灵敏度（效应量Effect Size, ES = 2.64，p = 0.028）、特异度（ES = 5.55，p < 0.001）、准确率（ES = 3.19，p < 0.001）和NPV（ES = 13.84，p < 0.001）。AUC未观察到一致优势，PPV结果不一致。各结局存在显著异质性（I2= 100%）。多数研究仅依赖内部验证，PROBAST评估显示超半数研究在分析域存在高偏倚风险。结论：AI模型可提升阈值依赖性性能指标，支持其作为早期分诊和病例排除的辅助决策工具，但外部验证和实施导向研究仍不可或缺。

1. 1.
   引言
   蚊媒病毒感染（尤其是登革热、基孔肯雅热和寨卡病毒病）与其他急性发热性疾病的早期鉴别仍是持续存在的临床难题，在流行区和资源受限环境中尤为突出。患者发病初期症状缺乏特异性，确诊实验室检测可能不可及、延迟或仅选择性应用，导致早期临床决策常依赖不完善的床旁评估、有限实验室参数和简单统计风险模型，对患者分诊和公共卫生监测具有重要影响。近年来，AI与ML方法被越来越多地用于支持虫媒病毒感染的早期诊断，利用常规收集的临床和实验室数据构建预测模型，多项研究在回顾性和前瞻性队列中报告了较高的表观性能。现有系统评价虽总体肯定其对临床决策的潜在价值，但仍指出数据集有限、多聚焦登革热等三种常见感染、以二分类为主、多类别鉴别诊断证据不足、评估实践不完善（如忽视类别不平衡、泛化性评估不足、性能指标报告不一致）等问题。因此，研究重点应从单一准确率转向AI/ML方法相对于临床评估、实验室诊断路径或传统统计模型（如logistic回归）的增量价值，这一差异对转化应用至关重要。目前已有研究在同一队列内直接比较AI/ML模型与这些既定对照，但尚未得到系统合成。本研究旨在量化AI/ML与传统对照在个体水平诊断中的性能差异，评估异质性和偏倚风险，明确影响比较有效性的方法学特征，以阐明AI驱动诊断在现实世界虫媒病毒病例识别中的当前附加价值和局限性。
2. 2.
   材料与方法
   2.1 研究设计与检索策略
   本系统评价遵循《系统评价和荟萃分析优先报告条目》（Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA 2020）指南，研究方案已在PROSPERO注册（CRD420261306082）。全面检索PubMed/MEDLINE、Embase和Scopus数据库至2025年8月11日，检索词整合了AI、ML、深度学习（Deep Learning, DL）和蚊媒病毒感染（登革热、寨卡、基孔肯雅热、西尼罗河病毒、黄热病、裂谷热等）的主题词与自由词，覆盖广泛感染类型。同时手动筛查参考文献并与领域专家咨询以补充相关研究，仅纳入数据可及的同行评审研究以保证透明性与可重复性。

2.2 纳入标准

纳入针对疑似蚊媒病毒感染人群的原创性研究，可在任何临床或监测场景中进行，基于模拟个体水平临床表现的合成数据集的研究亦符合条件。要求研究开发了用于早期（就诊时或接近就诊时）诊断的AI/ML模型，并报告至少一种传统对照的性能，对照定义为实验室诊断路径（如RT-PCR、ELISA支持的诊疗流程）、临床评估或规则算法、传统统计模型（如logistic回归或类似参数方法）。研究需报告可提取的量化性能指标，包括AUC、灵敏度、特异度、准确率、PPV、NPV或F1分数中的至少一项，纳入回顾性和前瞻性诊断准确性研究及模型开发/验证研究，排除非人类或媒介数据研究、仅基于环境气候预测的研究、综述、评论、会议摘要、非英文研究等。

2.3 研究筛选

检索结果导入Rayyan软件去重后，由两名研究者独立进行题目和摘要初筛，分歧通过讨论解决，必要时引入第三名研究者裁定；通过初筛的研究再进行全文评估以确定最终纳入。

2.4 数据提取

采用预先设计并经试点测试的标准化框架提取数据，涵盖文献基本信息、研究设计、招募周期、场景、目标人群、疾病焦点、诊断定义、预测因子获取时间、缺失数据与不平衡数据处理策略、校准程序、数据划分方案（训练集、测试集、验证集）、实施准备度等。详细记录AI/ML模型的架构、变量数、数据来源、各子集样本量，以及AI与对照的配对性能指标。对照分为三类：实验室路径、临床评估/规则策略、传统统计模型（主要为logistic回归及其衍生指数），分别提取样本量与对应指标。

2.5 数据合成与统计分析

首先进行叙述性合成，描述研究设计、人群、模型类型、对照策略和结局。定量合成仅在有至少5项独立研究的指标中开展，效应量定义为AI/ML模型与传统对照的非标准化均差（Unstandardized Mean Difference, UMD）。采用固定效应模型和随机效应模型估计汇总差异，统计异质性用I²统计量评估，组间方差用DerSimonian–Laird法估计，发表偏倚通过漏斗图和Egger回归不对称检验评估（p < 0.10为有统计学意义）。敏感性分析按对照类别分组进行，分析单位为单个模型比较，以控制人群构成、患病率和研究设计的混杂影响。

2.6 偏倚风险评估

采用PROBAST工具从参与者、预测因子、结局和分析四个域独立评估偏倚风险，分歧通过讨论达成共识。

1. 3.
   结果
   3.1 文献检索
   数据库初检获得4531条记录，去重后剩余1969篇进行题目摘要筛选，排除1911篇，58篇进入全文评估，最终纳入13项研究。

3.2 地理分布与时间趋势

研究集中于亚洲（9项），其次为非洲（2项）和南美洲（1项），另有2项为多国研究。发表年份为2018年至2024年，研究时段覆盖2007年至2023年。

3.3 纳入研究特征

8项为医院为基础的研究，2项为社区现场/监测研究，2项为多中心研究，1项使用模拟寨卡病毒病表现的合成数据集。10项以登革热为主要目标，其余分别聚焦基孔肯雅热、寨卡及三者联合。多数研究人群为急性发热或疑似登革热患者，2项专门针对儿童人群。病例定义多基于急性发热或临床怀疑，确诊主要依靠实验室检测（RT-PCR和/或ELISA）。预测因子均在首次就诊时收集。研究方法多样，包括模型开发、回顾性诊断试验准确性研究、前瞻性诊断试验准确性研究和前瞻性队列研究，均为个体水平分析。缺失和不平衡数据处理方式多样，校准报告较少，数据划分多采用内部验证（随机拆分、交叉验证），实施准备度限于研究或试点阶段，无常规临床应用报道。

3.4 预测因子特征类别

临床变量和实验室变量各在10项研究中使用，人口统计学/社会经济信息在9项中使用，流行病学/监测数据、生物标志物、环境变量仅在少数研究中出现，无研究使用病媒、基因组/病毒学或影像学数据。

3.5 AI模型与传统对照的分类性能

AI模型AUC范围为0.64–0.99，灵敏度0.01–0.98，特异度0.71–1.00，准确率0.75–0.98，F1分数0.70–0.94。传统对照AUC为0.76–0.94，灵敏度0.06–0.91，特异度0.66–0.98，准确率0.46–1.00。结果表明AI/ML在某些场景中优于传统统计和实验室方法，但性能受阈值选择和研究设计影响较大。

3.6 数据来源、输入、验证策略与可解释性

AI模型多基于医院常规临床数据开发，纳入变量数为5–41个，所有研究仅报告内部验证，无外部验证报道。可解释性方法报告不一致，仅少数研究明确描述了相关技术。

3.7 PROBAST偏倚风险评估

参与者和结局域多为低风险，预测因子域也以低风险为主，但分析域高风险比例较高（7/13，53.8%），主要体现在过拟合管理、阈值选择、缺失数据处理和验证程序等方面。整体评估中7项研究为高偏倚风险，4项为低偏倚风险，2项不确定。

3.8 统计分析

3.8.1 荟萃分析

AUC的随机效应模型未显示AI与对照有显著差异（ES = 0.27，p = 0.763），但存在极高异质性（I²= 99.9%）。准确率、NPV、灵敏度、特异度的随机效应模型均显示AI显著优于对照，PPV的随机效应模型则显示AI显著降低PPV（ES = ?4.56，p < 0.001），固定效应模型则显示相反结果。各指标均存在显著异质性，部分指标检测到发表偏倚。

3.8.2 敏感性分析

限制于传统统计模型对照时，AUC、准确率、NPV、特异度的随机效应模型仍显示AI显著改善，PPV和灵敏度的随机效应模型未显示显著差异，固定效应模型则均支持AI优势。

1. 4.
   讨论
   4.1 主要发现
   本研究首次对AI与传统方法在蚊媒病毒感染诊断中的多指标性能进行了定量配对比较。AI在准确率、灵敏度、特异度和NPV上均有显著改善，但AUC无一致优势，PPV结果高度依赖荟萃分析模型。敏感性分析表明AI在多数阈值依赖性指标上优于logistic回归等传统统计模型，但敏感度和PPV的优势不稳定。

4.2 结果解读

AUC无显著提升提示AI并未系统性改善跨所有阈值的区分能力，其优势主要体现在特定决策阈值下的操作性能，尤其是NPV的提升，这对早期排除低风险感染者、优化分诊和资源分配具有重要意义。PPV的降低反映了AI倾向于灵敏度导向的操作点，适用于监测与预警场景，但在确诊应用中需结合高特异度实验室检测。固定效应与随机效应结果的差异凸显了研究间异质性的影响，提示AI的优势可能具有数据集特异性，泛化性需进一步验证。

4.3 公共卫生与临床实践启示

AI模型应定位为辅助决策工具，而非独立诊断手段。在公共卫生层面，其灵敏度与NPV优势可用于加强早期病例识别和监测；在临床层面，可支持首诊风险分层，但需与实验室检测结合形成序贯诊断路径。卫生系统层面需重视本地验证、动态校准和阈值调整，以应对流行病学背景变化。

4.4 优势与局限性

优势在于首次采用配对分析框架进行定量比较，遵循PRISMA规范，检索全面，指标多元。局限性包括极高异质性、研究数量少、部分效应量非独立、阈值依赖指标受患病率和阈值选择影响大、缺乏外部验证和真实世界影响评估等。

4.5 未来方向

未来应优先开展前瞻性外部验证研究，覆盖多中心异质性场景，探索动态校准策略，透明报告校准与阈值，评估患者中心与系统层面的实际结局，改进方法学严谨性，完善缺失数据处理、可解释性报告和AI专用报告规范。

1. 5.
   结论
   AI诊断模型可在一定程度上提升蚊媒病毒感染的灵敏度、特异度、准确率和阴性预测值，主要增强阈值依赖的操作性能，适用于早期分诊、病例排除和确诊优先级排序，但受研究异质性限制，仍需前瞻性验证和实施研究以明确其真实世界影响。