Diagnostic Accuracy of Artificial Intelligence in Predicting Anti-VEGF Treatment Response in Diabetic Macular Edema: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background/Objectives: Diabetic macular edema (DME) is a leading cause of vision loss in diabetic patients, with anti-vascular endothelial growth factor (anti-VEGF) therapy being the standard management. However, treatment response varies significantly among patients, necessitating predictive tools. This systematic review and meta-analysis evaluated the diagnostic accuracy of artificial intelligence (AI) models in predicting anti-VEGF treatment response in DME patients. Methods: We conducted a dedicated literature review following PRISMA 2020 guidelines, searching PubMed, Web of Science, Embase, Scopus, and Cochrane Library databases from inception up to 30 September 2025. Studies evaluating AI-based prediction models for anti-VEGF response in DME patients were included. The primary outcomes were sensitivity, specificity, and area under the receiver operating characteristic curve (AUC). A bivariate random-effects meta-analysis was performed using available diagnostic accuracy data. Results: From 3107 participants across 18 studies, six studies with 427 participants provided complete diagnostic accuracy data for meta-analysis. The pooled sensitivity was 86.4% (95% CI: 82.1–90.1%) and the specificity was 77.6% (95% CI: 72.8–82.0%). The summary AUC was 0.89 with a diagnostic odds ratio of 22.0 (95% CI: 12.8–37.9). AI models demonstrated superior performance compared to other methods in 87.5% of comparative studies. Moderate heterogeneity was observed (I2 = 45.2%). Conclusions: AI models demonstrate good diagnostic accuracy for predicting anti-VEGF treatment response in DME patients, with a promising role for improving personalized management strategies and improved outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,048 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».