基于多模式数据的临床意义的前列腺癌诊断的人工智能:一个多中心研究
Huiyong Zhang1,2, Jin Ji3,4, Zhe Liu5
1Center for Genomic and Personalized Medicine, Guangxi Key Laboratory for Genomic and Personalized Medicine, Guangxi Collaborative Innovation Center for Genomic and Personalized Medicine, Guangxi Medical University, Nanning, 530021, Guangxi, China.
BMC medicine
|July 24, 2023
概括
一个自动化的机器学习平台 (AutoML) 能够有效地识别临床显著的前列腺癌 (csPCa),提高诊断准确度. 这种工具有助于减少不必要的前列腺活检,提高患者护理和资源配置.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 多参数MRI和新型生物标志物改善了临床显著的前列腺癌 (csPCa) 预测.
- 对于前列腺活检和预活检的决策仍然具有挑战性.
- 需要一个快速,具有成本效益的工具来提高使用常规临床数据的csPCa检测.
研究的目的:
- 开发一个自动化机器学习平台 (AutoML) 以提高csPCa检测.
- 创建基于常规执行的临床检查的快速和经济的工具.
- 协助做出有关前列腺活检和预活检检查的决策.
主要方法:
- 分析了来自中国9家医院的多中心回顾和两个前性队列 (4747例).
- 收集和处理了多模式数据 (人口统计,临床特征,实验室测试,超声波).
- 使用自动机器学习平台 (AutoML) 构建前列腺癌人工智能诊断系统 (PCAIDS),使用ROC和DCA评估性能.
主要成果:
- 在PCAIDS中表现出强大的诊断性能,AUC值在不同队列中从0.807到0.853不等.
- 决策曲线分析 (DCA) 表明PCAIDS在诊断csPCa时优于PSA或fPSA/tPSA.
- 使用95%敏感度的PCAIDS可以避免17.6%32.2%的不必要的活检,同时缺少不到5%的csPCa.
结论:
- 前列腺癌人工智能诊断系统 (PCAIDS) 是一个有效的工具,用于告知前列腺活检和预活检检查的决策,如mpMRI.
- PCAIDS可以帮助减少不必要的活检,并提高csPCa检测的准确性.
- 建议进行进一步的国际前性研究以验证这些发现.
