使用人工智能模型在前列腺磁共振成像中检测和定位可见的临床意义的前列腺癌:一个多中心的外部验证研究
Zhaonan Sun1, Kexin Wang2, Chenchao Wu3
1Department of Radiology, Peking University First Hospital, Beijing, China.
Quantitative imaging in medicine and surgery
|January 15, 2024
概括
一个人工智能 (AI) 模型在MRI扫描上检测临床显著的前列腺癌 (csPCa) 方面表现有前途,在患者和六分仪水平上达到高精度. 需要进一步改进,以提高这个AI工具的病变水平检测灵敏度.
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:
- 前列腺多参数磁共振成像 (mpMRI) 越来越多地用于怀疑具有临床意义的前列腺癌 (csPCa).
- 人工智能 (AI) 算法的外部验证对于前列腺mpMRI解释至关重要.
- 这项研究使用多中心外部数据评估了人工智能模型的有效性.
研究的目的:
- 评估AI模型在mpMRI上检测和定位csPCa的诊断性能.
- 在一个独立的,多中心的外部数据集上验证AI模型.
- 在各个层面 (损伤,六分数,患者) 确定AI模型的准确性,灵敏性和特异性.
主要方法:
- 从四家医院回顾收集了2,105名患者的mpMRI扫描,用于AI模型开发.
- 根据病理学记录,两位放射科医生对病变的注释.
- 将扩散权重成像 (DWI) 和明显扩散系数 (ADC) 值输入到3D U-Net框架中.
- 外部验证使用三家医院557名患者的mpMRI数据.
主要成果:
- 人工智能模型在损伤水平上达到0.654的灵敏度.
- 在六分仪水平上,该模型的灵敏度,特异性和精度分别为0.846,0.884和0.874.
- 患者级评估显示灵敏度,特异性和准确性分别为0.943,0.776和0.849.
- 在csPCa患者 (0.943) 与非csPCa患者 (0.776) 相比,观察到更高的准确性 (P<0.001).
结论:
- 人工智能模型在检测和定位csPCa方面表现出可接受的准确性.
- 该模型的性能表明在前列腺癌诊断中具有潜在的实用性.
- 提高病变水平的灵敏度仍然是未来模型开发的关键领域.
