ProMUS-NET: La inteligencia artificial detecta más cáncer de próstata que los urólogos en la micro-ultrasonografía

Área de la Ciencia:

• Imágenes médicas
• La inteligencia artificial en la medicina
• Urología

Sus antecedentes:

• La detección del cáncer de próstata se basa en imágenes y biopsias.
• La micro-ultrasonografía (MUS) ofrece visualización de alta resolución.
• Mejorar la precisión y la consistencia en la localización del cáncer es crucial.

Objetivo del estudio:

• Desarrollar un modelo de aprendizaje profundo para la segmentación automática del cáncer de próstata en MUS.
• Mejorar la sensibilidad y la coherencia entre los lectores en la localización del cáncer.
• Compare el rendimiento del modelo de IA con el de los urólogos expertos.

Principales métodos:

• Recopilación prospectiva de imágenes de MUS de pacientes sometidos a biopsia de fusión por resonancia magnética-ultrasonografía.
• Annotación de cáncer clínicamente significativo (grado ≥2) en las imágenes de MUS.
• Formación de un modelo basado en U-Net (ProMUS-NET) utilizando la validación cruzada de cinco veces.

Principales resultados:

• El modelo de IA logró un área bajo la curva (AUC) de 0,92.
• ProMUS-NET demostró una mayor sensibilidad al nivel de la lesión (73% frente a 58%) y al nivel del paciente (77% frente a 66%) en comparación con los urólogos.
• Se observó una alta sensibilidad (86,2%) para las lesiones de la zona periférica.

Conclusiones:

• El modelo de IA identifica con precisión las lesiones de cáncer de próstata en MUS con alta sensibilidad.
• La detección asistida por IA muestra potencial para mejorar la precisión del diagnóstico de la biopsia.
• Las investigaciones adicionales se centrarán en la validación externa y la reducción de los falsos positivos.