Application of artificial intelligence in laryngeal lesions: a systematic review and meta-analysis
Anwendung künstlicher Intelligenz bei laryngealen Läsionen: systematische Übersicht und Metaanalyse
European Archives of Oto-Rhino-Laryngology · 2025-03 · 282 (3) · 1543-1555
DOI: 10.1007/s00405-024-09075-0 ↗Auf einen Blick
Die Metaanalyse untersuchte die diagnostische Genauigkeit KI-gestützter Verfahren für laryngeale Läsionen. KI-gestützte Endoskopie zeigte eine hohe diagnostische Genauigkeit.
Fragestellung
Wie genau sind KI-gestützte Verfahren für den Nachweis und die Klassifikation laryngealer Läsionen?
Methode
Systematische Übersicht und Metaanalyse zu Endoskopie, Stimmanalyse und Histopathologie; Suche in PubMed, Embase usw.; Synthese von Sensitivität und Spezifität.
Ergebnisse
Eingeschlossen wurden 12 Studien zur KI-gestützten Endoskopie, 2 zur Stimmanalyse und 4 zur Histopathologie. Sensitivität der KI-gestützten Endoskopie: 91 % (95 %-KI 87–94 %) für benign vs. malign sowie 91 % (95 %-KI 90–93 %) für den Läsionsnachweis. Höchste gepoolte Genauigkeit: 94 % (95 %-KI 92–97 %).
Schlussfolgerung der Autor:innen
Für laryngeale Läsionen zeigt die KI-gestützte Endoskopie eine ausgezeichnete diagnostische Genauigkeit. Größere prospektive Studien sind nötig, um den klinischen Nutzen zu bestätigen.
Kernaussagen
- KI-gestützte Endoskopie: Sensitivität 91 % für benign vs. malign
- KI-gestützte Endoskopie: Sensitivität 91 % für den Läsionsnachweis
- Höchste gepoolte Genauigkeit: 94 % beim Nachweis von Läsionen vs. gesundem Gewebe
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Systematische Übersicht in der Zeitschrift European Archives of Oto-Rhino-Laryngology, online erschienen am 22.11.2024. Verfasst von Alejandro R Marrero-Gonzalez und 5 weiteren Autor:innen. Beteiligte Einrichtung: Department of Otolaryngology-Head and Neck Surgery, Medical University of South Carolina, 135 Rutledge Avenue, MSC 550, Charleston, SC, 29425, USA. Hauptthemen laut MEDLINE: Artificial Intelligence, Laryngeal Neoplasms, Laryngoscopy, Laryngeal Diseases. Die Arbeit wurde bisher 24-mal zitiert (Crossref) und nennt 58 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Medical University of South Carolina.
Abstract (Originalsprache)
Objective
The objective of this systematic review and meta-analysis was to evaluate the diagnostic accuracy of AI-assisted technologies, including endoscopy, voice analysis, and histopathology, for detecting and classifying laryngeal lesions.
Methods
A systematic search was conducted in PubMed, Embase, etc. for studies utilizing voice analysis, histopathology for laryngeal lesions, or AI-assisted endoscopy. The results of diagnostic accuracy, sensitivity and specificity were synthesized by a meta-analysis.
Results
12 studies employing AI-assisted endoscopy, 2 studies for voice analysis, and 4 studies for histopathology were included in the meta-analysis. The combined sensitivity of AI-assisted endoscopy was 91% (95% CI 87–94%) for the classification of benign from malignant lesions and 91% (95% CI 90–93%) for lesion detection. The highest accuracy pooled in detecting lesions versus healthy tissue was the AI-aided endoscopy was 94% (95% CI 92–97%).
Conclusions
For laryngeal lesions, AI-assisted endoscopy shows excellent diagnosis accuracy. But more sizable prospective trials are needed to confirm the practical clinical value.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Department of Otolaryngology-Head and Neck Surgery, Medical University of South Carolina, 135 Rutledge Avenue, MSC 550, Charleston, SC, 29425, USA.
- School of Medicine, University of Puerto Rico, San Juan, Puerto Rico.
- University of Arizona College of Medicine, Phoenix, Phoenix, AZ, USA.
- Department of Otolaryngology-Head and Neck Surgery, Medical University of South Carolina, 135 Rutledge Avenue, MSC 550, Charleston, SC, 29425, USA. nguyensh@musc.edu.
- University of South Carolina School of Medicine, Columbia, Columbia, SC, USA.
Förderung
- Medical University of South Carolina
Zitieren
APA
Marrero-Gonzalez, A. R., Diemer, T. J., Nguyen, S. A., Camilon, T. J. M., Meenan, K., & O'Rourke, A. (2025). Application of artificial intelligence in laryngeal lesions: a systematic review and meta-analysis. European Archives of Oto-Rhino-Laryngology, 282(3), 1543-1555. https://doi.org/10.1007/s00405-024-09075-0
Vancouver
Marrero-Gonzalez AR, Diemer TJ, Nguyen SA, Camilon TJM, Meenan K, O'Rourke A. Application of artificial intelligence in laryngeal lesions: a systematic review and meta-analysis. European Archives of Oto-Rhino-Laryngology. 2025;282(3):1543-1555. doi:10.1007/s00405-024-09075-0
BibTeX
@article{MarreroGonzalez2025,
author = {Marrero-Gonzalez, Alejandro R and Diemer, Tanner J and Nguyen, Shaun A and Camilon, Terence J M and Meenan, Kirsten and O'Rourke, Ashli},
title = {Application of artificial intelligence in laryngeal lesions: a systematic review and meta-analysis},
journal = {European Archives of Oto-Rhino-Laryngology},
year = {2025},
volume = {282},
number = {3},
pages = {1543--1555},
doi = {10.1007/s00405-024-09075-0}
}
EUVIMED