人工智能辅助的前列腺癌检测与多式联络例行健康检查数据:一个亚洲多中心研究

科学领域:

• 在瘤学瘤学.
• 人工智能在医学中的应用
• 诊断工具 诊断工具

背景情况:

• 高度前列腺癌 (HGPCa) 的早期检测至关重要,但目前的方法导致负面活检和成本的高率.
• 现有的HGPCa检测策略是不理想的,需要改进的诊断方法.

研究的目的:

• 开发和验证基于人工智能 (AI) 的亚洲前列腺癌 (APCA) 评分,用于预测HGPCa风险.
• 建立一个具有成本效益的工具,利用常规健康检查数据为HGPC亚洲人群的风险评估.

主要方法:

• 利用亚洲八个转诊中心的5037名前列腺活检患者的数据.
• 应用了七个AI算法来进行特征选择和七个用于分类,以构建APCA得分模型.
• 在多中心队列中使用ROC分析,校准图和决策曲线分析验证了APCA得分.

主要成果:

• 结合18个特征的APCA评分,在多中心验证中实现了0.76的AUC,比PSA表现出色0.16.
• 该得分在校准图表中显示出高的一致性,并在决策曲线分析中显示出优异的净临床益处.
• 实施APCA评分可以将不必要的活检减少高达38.4%,而HGPCa.的错误率只有10%的风险.

结论:

• 从例行健康检查中获得的APCA得分有效地预测亚洲人群的HGPCa风险,而不需要额外的费用.
• 这种人工智能驱动的方法可以显著减少不必要的前列腺活检.
• 建议进行进一步的基于人口的研究,以确认APCA得分的概括性和临床实用性.