Ushbu tizimli sharh va meta-tahlil sun’iy intellekt yordamidagi ultratovush elastografiyasining ko‘krak bezi saratonida yaxshi va yomon sifatli lezyonlarni farqlash aniqligini baholadi. Beshta akademik ma’lumotlar bazasida aniqlangan 501 yozuvdan tanlangan 39 tadqiqot va biopsiya bilan tasdiqlangan jami 6191 lezyon tahlil qilindi. Eng yaxshi natija ko‘rsatgan modellar asosida o‘tkazilgan asosiy meta-tahlilda sun’iy intellekt yordamidagi elastografiyaning birlashtirilgan sezgirligi %90,3, spetsifikligi %88,0 va ROC egri chizig‘i ostidagi maydoni (AUC) %89,2 deb hisoblandi. Biroq tadqiqotlar orasidagi heterogenlik yuqori edi (I²=%78,0), nashr og‘ishiga oid Egger testi ahamiyatli bo‘ldi (p=0,001) va tadqiqotlarning katta qismi mustaqil tashqi validatsiya o‘rniga o‘qitish ma’lumotlaridan yoki bir xil manba populyatsiyasidan olingan ma’lumotlardan foydalangan. Shu sababli natijalar sun’iy intellekt yordamidagi ultratovush elastografiyasi istiqbolli yordamchi diagnostik yondashuv ekanini qo‘llab-quvvatlasa-da, bu samaradorlik ko‘rsatkichlari haqiqiy klinik amaliyotda kafolatlangan aniqlik sifatida talqin qilinmasligi kerak.

Ultratovush elastografiyasi (ultrasound elastography, UE) to‘qimaning deformatsiya yoki qattiqlik xususiyatlaridan foydalanadi. Ko‘rib chiqilgan tadqiqotlar ushbu tasvir ma’lumotlarini sun’iy intellekt modellariga uzatib, ko‘krak bezi lezyonlarini tasniflashni baholagan. Meta-tahlilda faqat elastografiyadan foydalangan tizimlar bilan bir qatorda B-mode ultratovushni elastografiya bilan birga qo‘llagan yondashuvlar, turli segmentatsiya usullari, ma’lumotlarni ko‘paytirish, kross-validatsiya, klassik mashinaviy o‘rganish va chuqur o‘rganish modellari alohida kichik guruhlar sifatida tahlil qilingan.

Tadqiqotning asosiy savoli nima edi?

Tadqiqotchilar sun’iy intellekt yordamidagi ultratovush elastografiyasi ko‘krak bezi saratonini tasniflashda qay darajada aniq natija berishini va bu aniqlik ishlatilgan sun’iy intellekt modeli, segmentatsiya usuli, ma’lumotlarni ko‘paytirish, kross-validatsiya, model baholangan ma’lumotlar to‘plami hamda B-mode ultratovushning elastografiyaga qo‘shilishi kabi metodologik tanlovlardan qanday ta’sirlanishini o‘rgandilar.

Tadqiqotning markazida faqat “sun’iy intellekt qanchalik aniq?” degan savol turmaydi. Meta-tahlil yuqori model samaradorligi qaysi tajriba sharoitlarida olinganini ham tekshiradi. Bu farq muhim; chunki o‘qitish ma’lumotlarida yuqori natija ko‘rsatgan modelning boshqa shifoxonalar yoki boshqa bemor populyatsiyalaridan olingan tasvirlarda ham ayni natijani berishi kafolatlanmagan.

Ultratovush elastografiyasi nimani o‘lchaydi?

Ultratovush elastografiyasi to‘qimalarning mexanik xususiyatlaridan foydalanib, to‘qima deformatsiyasi yoki qattiqligi haqida ma’lumot beradigan tasvirlash yondashuvidir. Manba tadqiqot elastografiyaning ikki asosiy turini ta’kidlaydi: strain elastography (SE) va shear wave elastography (SWE). SE tashqaridan berilgan kompressiyaga javoban to‘qima deformatsiyasini sifat yoki yarim miqdoriy tarzda baholaydi; SWE esa to‘qimada siljish to‘lqinining tarqalishidan ko‘proq miqdoriy qattiqlik o‘lchovlarini hosil qiladi.

Meta-tahlilda elastografiya tasvirlarini sun’iy intellekt bilan qayta ishlash oldindan ishlov berish, lezyonni segmentatsiyalash, xususiyatlarni ajratish va yaxshi sifatli–yomon sifatli tasniflash kabi turli bosqichlarni o‘z ichiga olgan tadqiqotlar asosida baholangan. Ko‘rib chiqilgan modellar orasida sun’iy neyron tarmoqlari, konvolyutsion neyron tarmoqlari, chuqur neyron tarmoqlari, support vector machines, logistik regressiya, random forest, fuzzy usullar va turli gibrid yondashuvlar bor.

39 tadqiqot qanday tanlandi?

Tadqiqot PRISMAning diagnostik test aniqligi tadqiqotlariga mo‘ljallangan kengaytmasiga amal qilgan. Protokol CRD42018091176 raqami bilan PROSPEROda ro‘yxatdan o‘tkazilgan. PubMed, CINAHL, Embase, Scopus va Web of Science ma’lumotlar bazalari tashkil etilganidan boshlab qidirilgan; qidiruv 22-iyun 2025-yilda yangilangan.

Metod bo‘limida qidiruv strategiyasida sana yoki til bo‘yicha cheklov bo‘lmagani aytilgan bo‘lsa-da, moslik mezonlari orasida xorijiy tildagi nashrlarni chiqarish sharti mavjud. PRISMA oqimi ham bir tadqiqot xorijiy til sababli chiqarilganini ko‘rsatadi. Bu manba tadqiqotda aniq ko‘rinadigan metodologik bayon farqidir va natijalarni yetkazishda e’tibordan chetda qolmasligi kerak.

Tadqiqotlarning tuzilishi qanday edi?

Kiritilgan tadqiqotlar 2008–2025-yillar orasida nashr etilgan. Jami 39 tadqiqotning 23 tasi retrospektiv, 16 tasi prospektiv edi. Tadqiqot namunalarining hajmi 40 dan 1000 lezyongacha o‘zgarib, umumiy tahlil biopsiya bilan tasdiqlangan 6191 mustaqil lezyonni qamrab olgan. Meta-tahlildagi lezyonlarning %43,0 qismi yomon sifatli deb tasniflangan.

Segmentatsiya nuqtai nazaridan 14 tadqiqot avtomatik, 13 tadqiqot qo‘lda, 11 tadqiqot segmentatsiyasiz va bitta tadqiqot yarim avtomatik usuldan foydalangan. Faqat to‘rtta tadqiqot ma’lumotlarni ko‘paytirishni qo‘llagan. Yigirma yetti tadqiqot kross-validatsiyadan foydalangan, 12 tadqiqotda esa bu usul ko‘rsatilmagan.

Modelni baholash shaklidagi nomutanosiblik ayniqsa muhim. Yigirma to‘qqiz tadqiqot model samaradorligini o‘qitish bosqichidagi ma’lumotlarda bildirgan; jami 10 tadqiqot validatsiya yoki tashqi validatsiya ma’lumotlariga tayangan. Maqolaning tadqiqot xususiyatlari bo‘limiga ko‘ra, faqat ikkita tadqiqotda haqiqiy tashqi validatsiya ishlatilgan. Shu sababli meta-tahlilning yuqori birlashtirilgan samaradorligi to‘liq mustaqil bemor populyatsiyalarida tekshirilgan 39 alohida modelning umumiy natijasi emas.

Sifat va nashr og‘ishi nimani ko‘rsatdi?

QUADAS-2 asosidagi baholashda tadqiqotlar qo‘llagan metodologik himoya choralarining soni 7 dan 12 gacha o‘zgargan va o‘rtacha 10,1 bo‘lgan. Tadqiqotchilar bu ma’lumotdan quality effects modelda tadqiqot vaznlarini sozlash uchun foydalangan.

Tadqiqotlar orasida sezilarli heterogenlik bor edi: I²=%78,0. Bu qiymat bemor xususiyatlari, ultratovush tizimlari, elastografiya usullari, model arxitekturalari, tasvirni qayta ishlash qadamlari va validatsiya dizaynlari bir xil emasligini ko‘rsatuvchi muhim ogohlantirishdir. Funnel plotda yengil musbat assimetriya ko‘ringan va Egger testi p=0,001 deb hisoblangan. Mualliflar buni yuqori diagnostik natija bildirgan kichik tadqiqotlarning nashr etilish ehtimoli yuqoriroq bo‘lishi mumkinligiga oid nashr og‘ishi belgisi sifatida talqin qilgan.

Nega o‘qitish to‘plami natijalari ayniqsa muhim?

Eng e’tiborga molik kichik guruh natijalaridan biri modelning qaysi bosqichda baholanishiga tegishli. O‘qitish bosqichida baholangan 29 tadqiqotda sezgirlik %92,2, spetsifiklik %89,2 va AUC %90,8 bo‘lgan; validatsiya va tashqi validatsiya guruhida esa sezgirlik %83,0, spetsifiklik %84,6 va AUC %83,8 gacha tushgan. Manba tadqiqot mualliflari bu farqni o‘qitish ma’lumotlariga yaqin baholash model samaradorligini haqiqatdagidan optimistikroq ko‘rsatishi mumkinligi bilan bog‘laydi.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

• Ko‘rib chiqilgan adabiyotlarda sun’iy intellekt yordamidagi ultratovush elastografiyasi yaxshi va yomon sifatli ko‘krak bezi lezyonlarini farqlashda o‘rta-yuqori darajadagi birlashtirilgan diagnostik samaradorlik ko‘rsatgan.
• Eng yaxshi model tahlilida birlashtirilgan sezgirlik %90,3, spetsifiklik %88,0 va AUC %89,2.
• Avtomatik yoki segmentatsiyasiz yondashuvlar qo‘lda/yarim avtomatik segmentatsiya guruhiga nisbatan yuqoriroq birlashtirilgan spetsifiklik ko‘rsatgan.
• Kross-validatsiyadan foydalangan tadqiqotlarning birlashtirilgan sezgirligi kross-validatsiya ishlatmagan guruhdan yuqori.
• Ma’lumotlarni ko‘paytirish qo‘llangan to‘rtta tadqiqotda yuqori samaradorlik kuzatilgan; biroq bu kichik guruh hajmi kichik bo‘lgani uchun ishonch oraliqlari keng.
• Klassik mashinaviy o‘rganish va gibrid modellar ushbu meta-tahlilda neyron tarmoq/chuqur o‘rganish guruhiga yaqin va ayrim ko‘rsatkichlarda biroz yuqoriroq birlashtirilgan natijalar ko‘rsatgan.
• Model samaradorligi mustaqil validatsiyaga yaqinlashgan sari o‘qitish bosqichida ko‘rilgan yuqori natijalar sezilarli ravishda pasaygan.

Tadqiqot qo‘llab-quvvatlamaydigan yoki isbotlamaydigan natijalar

• Sun’iy intellekt yordamidagi elastografiya tajribali radiologlardan ustun ekani isbotlanmagan; mualliflar to‘g‘ridan-to‘g‘ri va yetarli head-to-head taqqoslash yo‘qligini aniq ta’kidlaydi.
• Sun’iy intellekt yordamidagi elastografiya mammografiya, biopsiya yoki mavjud klinik diagnostika tizimlarini almashtirishi mumkinligi ko‘rsatilmagan.
• Meta-tahlildagi yuqori samaradorlik barcha shifoxonalar, ultratovush qurilmalari va bemor populyatsiyalarida ayni aniqlik olinadi degani emas.
• Kichik guruh farqlari randomizatsiyalangan taqqoslashlar bo‘lmagani sababli muayyan segmentatsiya, ma’lumotlarni ko‘paytirish yoki model turi samaradorlik oshishiga sabab bo‘ladi deb isbotlamaydi.
• Tadqiqot AI qo‘llanishi skrining dasturlarida o‘limni kamaytirishini yoki uzoq muddatli bemor natijalarini yaxshilashini sinamagan.
• Biopsiya sonini real klinik amaliyotda qanchalik kamaytirish mumkinligini bu meta-tahlildan bevosita aniqlab bo‘lmaydi.
• Birlashtirilgan diagnostik aniqlik qiymatlari klinik amaliyotga tayyor bitta mahsulot yoki bitta modelning samaradorligi emas.

Turkiya nuqtai nazaridan qanday talqin qilinishi kerak?

Meta-tahlilga Turkiyadan prospektiv bir tadqiqot kiritilgan; biroq umumiy ma’lumotlar to‘plamining katta qismi turli mamlakatlar va ayniqsa Osiyo populyatsiyalaridan keladi. Shu sababli %90,3 sezgirlik yoki %88,0 spetsifiklik qiymatlari Turkiyadagi bir sog‘liqni saqlash muassasasida bevosita kutiladigan samaradorlik sifatida taqdim etilmasligi kerak. Manba tadqiqotning o‘z cheklovlari ham turli bemor populyatsiyalari, qurilma ishlab chiqaruvchilari, tasvirlash protokollari va tashqi validatsiya yetishmasligi umumlashtirishni cheklashini ta’kidlaydi.

Tadqiqotning usuli va natijalari

Diagnostik aniqlik meta-tahlili qanday o‘tkazildi?

Tadqiqotchilar kiritilgan tadqiqotlardan haqiqiy musbat (TP), yolg‘on musbat (FP), haqiqiy manfiy (TN) va yolg‘on manfiy (FN) qiymatlarini ajratib oldi yoki bildirilgan sezgirlik va spetsifiklikdan ularni qayta hisoblab chiqdi. Ko‘p sinfli natijalar yomon sifatli va yaxshi sifatli ko‘rinishida ikkilik tuzilishga aylantirildi.

Ma’lumotlarni ko‘paytirish yoki kross-validatsiya tufayli virtual namuna soni oshgan tadqiqotlarda TP, FP, FN va TN qiymatlari asl namuna hajmiga qarab qayta masshtablandi. Shu tariqa sun’iy ravishda ko‘paytirilgan namunalarning meta-tahlilda nomutanosib vazn hosil qilishining oldini olish maqsad qilindi.

Har bir tadqiqotda bir nechta model bildirilgan bo‘lsa, asosiy tahlil uchun mualliflar tavsiya qilgan yoki eng yuqori diagnostik aniqlik bergan model tanlandi. Bu yondashuv mavjud texnologiyalar salohiyatini baholashga qaratilgan bo‘lsa-da, tadqiqotchilar u natijalarni yuqoriga yo‘naltiruvchi optimistik model tanlash og‘ishini keltirib chiqarishi mumkinligini tan oladi.

Qo‘llangan statistik usul

Tadqiqot sifatini sintezga kiritish uchun quality effects model qo‘llandi. Sezgirlik, spetsifiklik, musbat va manfiy ehtimollik nisbatlari, diagnostik odds nisbati va AUC uchun split component synthesis (SCS) usuli ishlatildi. Heterogenlik I² statistikasi bilan, kichik tadqiqot/nashr og‘ishi esa funnel plot va Egger regressiya testi bilan baholandi. Tahlillar Stata 16 va “diagma” moduli yordamida bajarildi.

Diagnostik ko‘rsatkichlarning asosiy formulalari quyidagi tushunchalarga tayanadi:

\[ Duyarlılık=\frac{TP}{TP+FN} \]

\[ Özgüllük=\frac{TN}{TN+FP} \]

Sezgirlik yomon sifatli holatlarning qanchasi test tomonidan musbat tasniflanganini; spetsifiklik esa yaxshi sifatli/manfiy holatlarning qanchasi to‘g‘ri tarzda manfiy tasniflanganini anglatadi.

Umumiy meta-tahlil natijasi

Segmentatsiya yondashuvi qanchalik farq qildi?

Qo‘lda yoki yarim avtomatik segmentatsiya ishlatgan 14 tadqiqot 2210 namuna, avtomatik yoki ochiq segmentatsiya ishlatmagan 25 tadqiqot esa 4081 namunani qamrab olgan. Sezgirliklar juda yaqin edi: mos ravishda %90,2 va %90,7. Biroq spetsifiklik qo‘lda/yarim avtomatik guruhda %81,9, avtomatik/segmentatsiyasiz guruhda %91,1 deb hisoblandi. AUC qiymatlari ham mos ravishda %86,6 va %90,9 edi.

Manba matn %91,1 spetsifiklik “yomon sifatli lezyonlarni to‘g‘ri tasniflash” ehtimolini oshiradi deb ifodalaydi. Biroq maqolaning o‘zida qo‘llangan standart diagnostik ta’rifga ko‘ra, spetsifiklik \(TN/(TN+FP)\) bo‘lib, manfiy/yaxshi sifatli namunalarni to‘g‘ri tasniflashni anglatadi. Shu sababli manbadagi ushbu terminologik nomuvofiqlik bu yerda aniq qayd etilgan.

Ma’lumotlarni ko‘paytirish va kross-validatsiya

Ma’lumotlarni ko‘paytirish ishlatgan atigi to‘rtta tadqiqot jami 926 namunani qamrab olgan. Ushbu guruhning birlashtirilgan sezgirligi %92,2 va spetsifikligi %92,4 deb hisoblandi. Ma’lumotlarni ko‘paytirish ishlatmagan 35 tadqiqotda mos qiymatlar %89,9 va %87,4 edi. Biroq ma’lumotlarni ko‘paytirish guruhi atigi to‘rtta tadqiqotdan iborat bo‘lgani sababli ishonch oraliqlari keng edi; mualliflar bu topilmaning barqarorligini ehtiyotkor talqin qilish zarurligini alohida ta’kidlaydi.

Kross-validatsiya ishlatgan 27 tadqiqotda sezgirlik %92,4 va spetsifiklik %88,3 bo‘lgan, kross-validatsiya ishlatmagan 12 tadqiqotda esa mos ravishda %86,4 va %87,3 deb hisoblangan. Bu natijalar kross-validatsiya bilan birga yuqoriroq birlashtirilgan samaradorlik kuzatilishiga mos keladi; biroq tadqiqot darajasidagi kichik guruh taqqoslash kross-validatsiya yolg‘iz o‘zi bu farqni keltirib chiqarganini isbotlamaydi.

B-mode ultratovush elastografiyaga qo‘shilganda nima bo‘ldi?

Faqat elastografiyadan foydalangan 17 tadqiqotda sezgirlik %88,3, spetsifiklik %89,5 va AUC %88,9 edi. B-mode ultratovushni elastografiya bilan birga ishlatgan 22 tadqiqotda sezgirlik %91,8 gacha, AUC %89,5 gacha oshgan, spetsifiklik esa %86,5 gacha pasaygan. Shuning uchun manba tadqiqotning bimodal yondashuv foydasiga bergan talqiniga qaramay, kichik guruh natijalari barcha diagnostik ko‘rsatkichlar bir xil yo‘nalishda yaxshilanganini ko‘rsatmaydi: sezgirlik va AUC yuqori, spetsifiklik esa pastroq.

Klassik mashinaviy o‘rganish va chuqur o‘rganish

Neyron tarmoqlar va chuqur o‘rganish guruhidagi 16 tadqiqotda sezgirlik %90,3, spetsifiklik %86,9, DOR 61,7 va AUC %88,7 deb hisoblandi. Klassik mashinaviy o‘rganish va gibrid modellarni qamrab olgan 23 tadqiqotda esa sezgirlik %90,4, spetsifiklik %89,0, DOR 76,1 va AUC %89,7 edi. Ushbu meta-tahlilda murakkabroq chuqur o‘rganish modellari avtomatik tarzda yuqoriroq birlashtirilgan diagnostik samaradorlik ko‘rsatmagan.

Maqolaning muhokama matnida klassik mashinaviy o‘rganish guruhining spetsifikligi bir joyda %86,9 deb yozilgan. Asosiy natija Jadval 2 esa bu guruh spetsifikligini %89,0, neyron tarmoq/chuqur o‘rganish guruhining spetsifikligini esa %86,9 deb beradi. Shuning uchun yuqoridagi jadvalda manba tadqiqotning asosiy natija jadvalidagi qiymatlar saqlangan.

“Eng yaxshi model” tanlovining ta’siri tekshirildimi?

Asosiy tahlil har bir tadqiqotdagi eng yaxshi model bo‘yicha o‘tkazilgani uchun tadqiqotchilar ajratib olingan barcha mos model ma’lumotlar to‘plamlaridan foydalanib sezgirlik tahlilini ham amalga oshirdi. Bu tahlilda sezgirlik %88,1 (%95 GA %85,4–90,4), spetsifiklik esa %88,2 (%95 GA %85,5–90,5) deb topildi va mualliflar natijalar eng yaxshi model kohortidan statistik jihatdan ahamiyatli farq qilmaganini bildirdi. Shunga qaramay, asosiy tahlilda eng yuqori samaradorlikdagi modelni tanlash yuzaga keltirishi mumkin bo‘lgan optimistik og‘ish tadqiqot cheklovlari orasida saqlanishi kerak.

Haqiqiy klinik qo‘llashdagi asosiy to‘siqlar

Manba tadqiqot sun’iy intellekt yordamidagi elastografiyani klinik amaliyotga ko‘chirishdagi asosiy muammolar sifatida turli ultratovush ishlab chiqaruvchilari va qurilmalari, zond chastotalari, xususiy signalni qayta ishlash algoritmlari, tasvirlash chuqurligi, strain elastographyda qo‘llanadigan kompressiya, zond yo‘nalishi, hudud tanlash, bemor populyatsiyalari va gistopatologik namuna olish farqlarini sanab o‘tadi.

Bundan tashqari, ko‘krak bezi to‘qimasi bir jinsli, izotropik va chiziqli elastik tuzilma emasligi; heterogenlik, anizotropiya va viskoelastik xatti-harakat elastografiya o‘lchovlariga ta’sir qilishi ta’kidlanadi. Mualliflar kelajakda fizikaga asoslangan modellashtirish, chekli elementlar usuli bilan sun’iy intellektni birgalikda qo‘llash, batafsilroq to‘qima mexanikasi modellashtirishi va ko‘p markazli tashqi validatsiyani o‘rganish kerak bo‘lgan yo‘nalishlar deb hisoblaydi.

Shu sababli meta-tahlilning asosiy xabarini “sun’iy intellekt ko‘krak bezi saratonini %90 aniqlik bilan tashxislaydi” deb soddalashtirib bo‘lmaydi. Tadqiqot juda turli algoritmlar va klinik sharoitlardan olingan adabiyotlarni birlashtiradi va o‘z xulosa bo‘limida AI yordamidagi elastografiyani mustaqil aniq diagnostika vositasi emas, balki potensial yordamchi diagnostik vosita sifatida joylashtiradi.

Manba va usul izohi

Moliyalashtirish va manfaatlar to‘qnashuvi

Mualliflar tadqiqot davlat, tijoriy yoki notijorat moliyalashtirish tashkilotlaridan maxsus tashqi grant olmaganini bildirgan. Shu bilan birga Mohammed Imad Malki uchun Qatar University ichki granti QUCG-CMED-25/26-750 ko‘rsatilgan va maqola ishlov berish to‘lovi QU Health, Qatar University tomonidan qoplangan.

Ibrahim Elmakaty, Ruba Abdo, Amr Ouda va Mohamed Elmarasi Hamad Medical Corporationda faoliyat yuritishi ko‘rsatilgan. Mualliflar tadqiqot tijoriy yoki moliyaviy manfaatlar to‘qnashuvini yuzaga keltirishi mumkin bo‘lgan munosabatlarsiz o‘tkazilganini bildirgan.

Ma’lumotlarning mavjudligi

Asosiy tahlilda ishlatilgan eng yaxshi sun’iy intellekt modellariga oid baholash ko‘rsatkichlari maqolaning Jadval 1ida berilgan. Tadqiqot davomida yaratilgan yoki tahlil qilingan qo‘shimcha ma’lumotlar to‘plamlari asosli so‘rov bo‘yicha mas’ul muallifdan olinishi mumkinligi bildirilgan.

Mualliflar hissasi

Ibrahim Elmakaty va Ruba Abdo ma’lumotlarni tartibga solish, formal tahlil, tadqiqot, metodologiya, dastlabki qo‘lyozma va ko‘rib chiqish/tahrirlashga hissa qo‘shgan. Amr Ouda va Mohamed Elmarasi ma’lumotlarni tartibga solish va yozish ishlariga; Mohamed Elahtem va Yaman Khamis ma’lumotlarni tartibga solish va ko‘rib chiqishga hissa qo‘shgan. Mohammed Imad Malki konseptuallashtirish, tadqiqot, metodologiya, nazorat, dastlabki qo‘lyozma va ko‘rib chiqish/tahrirlash vazifalarini bajargan va maqolani nashrga yuborish bo‘yicha yakuniy qaror uchun mas’ul bo‘lgan.

Metodologik cheklovlarning qisqacha xulosasi

• Tadqiqotlar orasida yuqori heterogenlik mavjud: I²=%78,0.
• Egger testi nashr og‘ishi/kichik tadqiqot ta’siri bo‘yicha ahamiyatli: p=0,001.
• Kiritilgan tadqiqotlarning aksariyati retrospektiv.
• Tashqi validatsiya juda cheklangan; tadqiqot xususiyatlariga ko‘ra faqat ikkita tadqiqot tashqi validatsiyadan foydalangan.
• Ko‘plab modellar o‘qitish bosqichida yoki bir xil manba populyatsiyasidagi ma’lumotlar bilan baholangan.
• Asosiy tahlilda har bir tadqiqotning eng yaxshi modeli tanlangani uchun optimistik tanlov og‘ishi ehtimoli mavjud.
• Tadqiqotlar asosan Osiyo populyatsiyalaridan keladi va global umumlashtirish cheklangan.
• Ultratovush qurilmalari, tasvir olish protokollari, elastografiya usullari va oldindan ishlov berish yondashuvlari standartlashtirilmagan.
• Operatorga bog‘liq kompressiya va zond yo‘nalishi kabi omillar nazorat qilinmagan.
• Tajribali radiologlar bilan bevosita va tizimli taqqoslash yetarli emas.
• Kichik guruh hajmlari nomutanosib; ayniqsa ma’lumotlarni ko‘paytirish guruhi atigi to‘rtta tadqiqotdan iborat.
• Meta-tahlil klinik skrining yo‘llarida bemor natijalari, o‘lim yoki amaldagi biopsiya kamayishini bevosita sinamagan.

Xulosa qilib, tadqiqot sun’iy intellekt yordamidagi ultratovush elastografiyasi ko‘krak bezi lezyonlarini tasniflashda yuqori salohiyatga ega ekanini ko‘rsatadi; biroq mavjud dalillar darajasi uni mustaqil klinik diagnostika tizimi sifatida qabul qilish uchun yetarli emas. Mualliflarning yakuniy tavsiyasi standartlashtirilgan protokollardan foydalanadigan katta, prospektiv va ko‘p markazli tadqiqotlar bilan birga haqiqiy tashqi validatsiyani ko‘paytirishdir.