前立腺癌における術前MRIおよび臨床パラメータを統合した人工知能モデルによる前立腺外進展の予測：システマティックレビューおよびメタアナリシス

科学分野:

• 放射線学
• 人工知能
• 腫瘍学

背景:

• 前立腺外進展（EPE）は、前立腺癌の病期分類および治療計画において重要な因子である。
• EPEの正確な術前予測は、従来の méthodes では依然として困難である。

研究 の 目的:

• 術前前立腺MRIおよび臨床データを用いたAIモデルの前立腺外進展（EPE）予測における診断性能を評価する。
• 放射線量測定と臨床データを統合したモデルの精度を従来の評価と比較して評価する。

主な方法:

• 包括的なデータベース検索を通じて特定された14の研究（2,131人の患者）のシステマティックレビューおよびメタアナリシス。
• EPEを予測するAIモデルの診断性能指標（感度、特異度、AUC、DORを含む）のプール解析。
• ディープラーニングおよび従来の機械学習アルゴリズムを比較するサブグループ解析。

主要な成果:

• 統合放射線量測定-臨床AIモデルは高い診断性能を示した：感度0.83、特異度0.82、AUC 0.89。
• モデルは、プールされたDOR 19.82で堅牢な識別能力を示した。
• ディープラーニングモデルは、統計的有意差はないものの、従来の機械学習と比較して精度が高い傾向を示した。

結論:

• 多重パラメータMRIからの放射線量測定特徴と臨床変数を組み合わせることで、術前のEPE予測が大幅に向上する。
• AI駆動の統合モデルは優れた診断精度を提供し、前立腺癌のリスク層別化における臨床的有用性を支持する。
• 臨床的採用のためには、標準化、外部検証、および多施設共同研究が推奨される。