用人工智能预测和绘制前列腺内瘤范围的地图

科学领域:

• 泌尿器科 泌尿器科 泌尿器科 泌尿器科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 磁共振成像 (MRI) 往往低估了前列腺癌的程度,使焦点治疗边缘定义复杂化.
• 准确的边缘定义对于有效的焦点治疗和减少复发至关重要.

研究的目的:

• 通过人工智能 (AI) 深度学习模型产生的焦点治疗边缘进行验证.
• 为了比较AI定义边缘的准确性与传统方法.

主要方法:

• 对50例中等风险前列腺癌激进前列腺切除病例的回顾性分析.
• 一个人工智能模型整合了多式成像和活检数据,以创建3D癌症地图和边缘.
• 人工智能边缘与传统的MRI感兴趣区域 (ROI),10毫米的ROI边缘和半球边缘进行了比较.

主要成果:

• 与传统方法相比,人工智能边缘在检测携带癌症的声方面表现出显著更高的灵敏度 (97%),比传统方法高 (37%-94%,p < 0.001).
• 对于指数病变,人工智能边际比传统方法 (0%-66%,p < 0.004) 产生了更大的负边缘 (90%).
• 人工智能模型准确地预测了负的外科手术边缘概率 (R2 = 0.98).

结论:

• 人工智能模型在定义前列腺癌边缘的独立测试组中被证明是准确和有效的.
• 这种人工智能方法有可能标准化边际定义,改善焦点治疗结果,减少癌症复发.
• 准确的利预测可以帮助患者和临床医生做出明智的决策.