基于深度学习的算法对放射治疗后前列腺癌局部复发检测使用双参数MRI的评估
Enis C Yilmaz1, Stephanie A Harmon1, Mason J Belue1
1Molecular Imaging Branch, National Cancer Institute, National Institutes of Health, Bethesda, MD, United States.
European journal of radiology
|September 17, 2023
概括
基于双参数MRI (bpMRI) 的人工智能 (AI) 模型在放射治疗后检测局部前列腺癌复发方面表现有前途. 在放射科医生以下的表现中,AI模型确定了最常见的病变,特别是在外部光束辐射治疗后.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 放射治疗后前列腺癌 (PCa) 复发是一个诊断挑战.
- 双参数MRI (bpMRI) 越来越多地用于PCa评估.
- 人工智能 (AI) 模型正在开发中,以提高诊断准确度.
研究的目的:
- 评估基于bpmri的人工智能模型在检测之前接受放射治疗的患者中局部前列腺癌复发的疗效.
- 为了比较人工智能模型的性能与未来放射科医生的评估.
主要方法:
- 对62名接受bpMRI和随后活检的放射治疗后患者的回顾性分析.
- 一个基于bpMRI的AI模型,最初是为以前没有接受过治疗的患者开发的,用于检测复发的PCa.
- 人工智能模型的性能指标 (灵敏度) 与使用沃尔德测试的放射科医生解释进行了比较.
- 根据治疗方式 (EBRT与手臂治疗) 和前列腺体积进行了子组分析.
主要成果:
- 人工智能模型在35名患者中检测到56个复发PCa焦点中的40个.
- 放射学家的解释表明,在患者层面 (91.3% vs. 76.1%) 和病变层面 (87.5% vs. 71.4%) 的敏感度高于AI模型.
- 人工智能模型在外部束辐射治疗 (EBRT) 组和前列腺体积较大 (>34毫升) 的患者中显示出更好的性能.
结论:
- 基于bpMRI的AI模型在放射治疗后成功检测出大多数局部复发的前列腺癌.
- 人工智能模型的性能低于专家放射科医生的解释.
- 在临床实施AI模型用于放射治疗后PCa复发检测之前,建议进行外部验证和进一步测试.
