A systematic review and meta-analysis on the diagnostic accuracy of artificial intelligence and computer-aided diagnosis of lumbar prolapsed intervertebral disc - 30/07/25

Doi : 10.1016/j.neuri.2025.100221 
Sandeep Pattnaik a , Manu Goyal a , Rajneesh Kumar Gujral b , Amit Mittal c,
a Maharishi Markandeshwar Institute of Physiotherapy and Rehabilitation, Maharishi Markandeshwar (Deemed to be University), Mullana-Ambala, Haryana, India 
b Maharishi Markandeshwar Engineering College, Maharishi Markandeshwar (Deemed to be University), Mullana-Ambala, Haryana, India 
c Maharishi Markandeshwar Institute of Medical Sciences and Research, Maharishi Markandeshwar (Deemed to be University), Mullana-Ambala, Haryana, India 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Abstract

Introduction

Lumbar prolapsed intervertebral disc (PIVD) is a debilitating lower back condition, whose accurate and timely diagnosis is crucial for its effective management. Artificial intelligence (AI) and computer-aided diagnosis (CAD) techniques have the potential to revolutionise diagnosis by improving accuracy, efficiency, and objectivity. This systematic review with meta-analysis thus aims to thoroughly assess the available knowledge on the usability of different AI and CAD-based tools in lumbar PIVD diagnosis.

Methods

A systematic search of electronic databases, between June and August 2024 for relevant full-text studies. The primary outcomes for review included the diagnostic accuracy (of each AI and CAD system. Subsequently, a meta-analysis was conducted to synthesise the results of the included studies.

Result

A total of eight studies were identified, evaluating thirteen CAD or AI systems. The meta-analysis involved three of the studies, and it demonstrated a high pooled sensitivity (0.901, 95% CI: 0.871–0.924) and specificity (0.919, 95% CI: 0.898–0.936) for lumbar PIVD diagnosis.

Conclusion

To conclude, these findings strongly support the potential of AI/CAD systems to improve the accuracy and efficiency of lumbar PIVD diagnosis.

Prospero ID

CRD42023444785

Le texte complet de cet article est disponible en PDF.

Graphical abstract




Le texte complet de cet article est disponible en PDF.

Keywords : Artificial intelligence, Deep learning, Machine learning, Magnetic resonance imaging, Intervertebral disc


Plan


© 2025  The Authors. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 5 - N° 3

Article 100221- septembre 2025 Retour au numéro
Article précédent Article précédent
  • Reinforcement learning in artificial intelligence and neurobiology
  • Tursun Alkam, Andrew H Van Benschoten, Ebrahim Tarshizi
| Article suivant Article suivant
  • Impact of physical activity and cardiorespiratory fitness on brain morphology among overweight and obese populations: A systematic review and meta-analysis of neuroimaging studies
  • Dilip Shettigar, Suresh Sukumar, Rajagopal Kadavigere, K. Vaishali, Nitika C. Panakkal, Winniecia Dkhar, Abhimanyu Pradhan, Baskaran Chandrasekaran, Hari Prakash Palaniswamy, Poovitha Shruthi Paramashiva, Sneha Ravichandran, Sathya Sabina Muthu, Koustubh Kamath

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.