可靠的前列腺癌风险测绘从MRI使用有针对性和系统的核心针切片组织病理学

科学领域:

• 放射学和医学成像学 医学成像学
• 在瘤学瘤学.
• 机器学习在医学中的应用

背景情况:

• 前列腺癌诊断依赖于活检,但成像分析可能是有限的.
• 准确的风险分层对于个性化治疗规划至关重要.

研究的目的:

• 创建一个详细的前列腺癌风险地图,用于个人患者的活检后使用MRI.
• 加强对前列腺区域的评估,这些区域最初没有被标记为可疑的.

主要方法:

• 从目标和非目标活检部位提取了MRI生物标志物.
• 开发了一种机器学习分类器,将生物标志物映射到病理学上,并推断到非剖析区域.
• 在个别患者的活检地点评估模型性能.

主要成果:

• 在许多非向活检位置 (ROC-AUCs:0.85-0.88) 中,MRI生物标志物对基因病理学的高可预测性得到证明.
• 在模型性能中观察到患者对患者的显著变化 (中位数ROC-AUC [IQR]:0.81-0.89 [0.29-0.40]).

结论:

• 全腺风险映射验证由于活检数据稀少而具有挑战性.
• 以前的方法缺乏患者特定的验证,并且仅集中在针对性的活检上.
• 这种个性化方法为个体患者提供了更可靠的风险评估.