开发和验证一个可解释的放射学模型来预测高侵略性前列腺癌:基于双参数MRI的多中心放射学研究
Giulia Nicoletti1,2, Simone Mazzetti3, Giovanni Maimone3
1Department of Electronics and Telecommunications, Polytechnic of Turin, Corso Duca degli Abruzzi, 24, 10129 Turin, Italy.
Cancers
|January 11, 2024
概括
这项研究使用双参数MRI开发了一种放射性模型,以区分低侵略性和高侵略性前列腺癌 (PCa). 该模型实现了有希望的准确性,有助于非侵入性PCa分类和管理.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 前列腺癌 (PCa) 攻击性,按等级组 (GG) 分类,显著影响患者的预后和死亡率.
- 区分低侵略性 (GG ≤2) 和高侵略性 (GG ≥3) 的PCa对于有效的治疗计划至关重要.
研究的目的:
- 开发和外部验证放射性模型,用于低侵袭性前列腺癌和高侵袭性前列腺癌的非侵袭性分类.
- 利用双参数磁共振成像 (bpMRI) 来改善PCa风险分层.
主要方法:
- 在四个中心对283名患者进行了回顾性分析.
- 从表面扩散系数 (ADC) 地图和T2加权 (T2w) MRI 序列中提取特征.
- 使用交叉验证和外部验证集开发和验证一个纯粹的贝叶斯分类器.
主要成果:
- 基于十个特征的放射性模型在构建集中实现了0.75的AUC,在外部验证集中达到0.73.
- 沙普利增量解释 (SHAP) 值和部分依赖图 (PDP) 为放射学签名提供了可解释性.
- 天真贝叶斯分类器在区分PCa的攻击性方面表现强.
结论:
- 开发的放射性模型显示了非侵入性分类前列腺癌攻击性的潜力.
- 这种方法可以帮助临床医生管理疑似PCa的男性,从而有可能改善决策.
- 建议进一步验证并集成到临床决策支持系统中.
