PI-RADS 3の偽陽性病変における臨床的に意義のある前立腺がんの検出を改善するための人工知能モデルの使用

科学分野:

• 放射線学
• 医用画像
• 人工知能

背景:

• 多パラメータMRI（mpMRI）におけるPI-RADS 3病変は、臨床的に意義のある前立腺がん（csPCa）の検出率が低いため、診断上の課題を提示します。
• この診断上の不確実性は、不要な生検とcsPCa診断の見逃しの両方につながります。
• 人工知能（AI）は、これらの不明瞭な所見の客観的かつ再現可能なリスク層別化のための潜在的なソリューションを提供します。

研究 の 目的:

• PI-RADS 3病変のリスク層別化のためのAIアプリケーションに関する現在のエビデンスをレビューすること。
• 専門の放射線科医と比較したAIのベンチマークにおけるPI-CAI研究のような多施設イニシアチブの役割を明確にすること。

主な方法:

• PubMedおよびEmbaseデータベースのナラティブレビューを実施しました。
• 生検またはフォローアップを基準としたPI-RADS 3病変におけるcsPCa予測のためのAIを評価した研究が含まれました。
• 外部で検証されたAIモデルに重点が置かれました。

主要な成果:

• ラジオミクスおよび深層学習AIモデルは、PI-RADS 3病変においてcsPCaと良性組織を区別する能力を示しています。
• AIは、良性生検率を30〜40％削減し、csPCa検出を改善する可能性があります。
• PI-CAI研究は、AIシステムが多様な設定でcsPCa検出において専門の放射線科医に匹敵またはそれを超えることができることを示しています。

結論:

• AIは、不要な生検を減らし、csPCa検出を改善することにより、PI-RADS 3病変の管理を改善する大きな可能性を秘めています。
• 日常的な採用には、さらなる前向きな多施設検証と臨床ワークフローへの統合が必要です。
• 正常化された画像プロトコルと明確な意思決定支援は、AIの実装を成功させるために不可欠です。