EUVIMEDEUVIMED entdecken
Systematische ÜbersichtMetaanalyseOpen Access · CC BY 4.0

Application of artificial intelligence in laryngeal lesions: a systematic review and meta-analysis

Anwendung künstlicher Intelligenz bei laryngealen Läsionen: systematische Übersicht und Metaanalyse

Alejandro R Marrero-Gonzalez, Tanner J Diemer, Shaun A Nguyen, Terence J M Camilon, Kirsten Meenan, Ashli O'Rourke

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.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

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)

Artificial IntelligenceLaryngeal NeoplasmsLaryngoscopyLaryngeal DiseasesHumansSensitivity and Specificity

Stichwörter der Autor:innen

Artificial intelligenceDiagnostic toolsEndoscopyHistopathologyLaryngologyLarynxVoice analysis

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}
}
Kostenlos starten →