基于人工智能驱动的MRI模型的开发和外部验证,以改善前列腺癌患者损伤特异性前列腺外延伸的预测
Ingeborg van den Berg1,2,3, Timo F W Soeterik1,2, Erik J R J van der Hoeven4
1Department of Urology, St. Antonius Hospital, 3435 CM Nieuwegein, The Netherlands.
Cancers
|November 25, 2023
概括
使用新型MRI放射学的人工智能 (AI) 模型显著提高了前列腺癌 (PCa) 超前列腺延伸 (EPE) 在病变特异水平的检测,超过了传统的放射性报告.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 放射学 放射学是指放射学
- 人工智能的人工智能
背景情况:
- 在前列腺癌 (PCa) 中精确检测前列腺外延伸 (EPE) 对于治疗计划至关重要.
- 在3特斯拉多参数MRI (3T mpMRI) 上的传统放射学在预测EPE方面存在局限性.
- 损伤特异性评估是精确检测EPE的关键.
研究的目的:
- 评估人工智能驱动的模型,使用先进的MRI放射学来预测PCa EPE.
- 评估这些模型在损伤特定水平上的性能.
- 将AI模型的准确性与传统放射性报告进行比较.
主要方法:
- 开发和验证三种AI分类模型,使用794名患者994个PCa病变的数据集.
- 在162个病变上进行内部验证,在189个病变上进行外部验证.
- 评估模型歧视,校准,净效益,并与放射学报告进行比较.
主要成果:
- 人工智能模型在病变特定水平上实现了曲线下的面积 (AUC) 从0.86到0.91.
- 与放射学报告相比,随机森林模型显示出更高的准确性.
- 在外部队列中,随机森林模型的准确性明显更高 (83%对67%,p=0.02).
结论:
- 使用人工智能驱动的模型结合了新的MRI放射学,提高了前列腺癌中病变特异性EPE的检测.
- 这些人工智能模型比传统的放射性评估提供了更好的准确性.
- 人工智能代表了PCa EPE在组织病理学评估中的有希望的进步.


