人工智能在鼻科学中的应用及诊断准确性：综述

人工智能（AI）技术，包括机器学习（ML）、深度学习和大型语言模型，越来越多地应用于医学诊断。在鼻科学领域，这些工具正在被评估用于图像解读、细胞学分类和临床决策支持等任务。为了系统地评估AI技术在鼻科学中的应用和诊断准确性，着重于临床实用性和实施障碍。该综述遵循了2020年首选报告项目系统评价和荟萃分析（PRISMA）指南。根据预定义的资格标准，对17项全文研究进行了筛选，重点关注具有诊断指标的AI应用。提取并叙述性总结了有关AI类型、诊断任务、表现结果和研究质量的数据。有12项研究满足纳入标准。利用卷积神经网络的基于图像的诊断工具在鼻息肉检测、细胞学分类和计算机断层扫描（CT）解读中显示出高准确性（81%-99%）。采用患者报告数据的机器学习模型在预测慢性鼻窦炎方面的准确性为74.5%-85.5%。像ChatGPT和Gemini这样的大型语言模型被评估用于临床问题解答，在某些领域的表现超过80%。大多数主要研究的偏倚风险为中等，且没有一项报告临床集成超出原型阶段。AI在鼻科学的多个应用中表现出良好的诊断准确性。然而，仍然存在重大挑战，包括验证有限、方法学异质性以及临床实施缺乏。未来的研究应集中在前瞻性试验、可解释性和监管框架上，以确保安全地整合到临床工作流程中。