关于MRI前列腺细分的深度学习性能:与专家放射科医生相比,对两个商业可用的算法进行了评估

科学领域:

• 医学成像分析 医学成像分析
• 医疗保健中的人工智能
• 前列腺癌的诊断方法 前列腺癌的诊断方法

背景情况:

• 精确的全腺前列腺细分对于高级前列腺癌治疗,如MRI-超声波融合活检和放射治疗至关重要.
• 针对前列腺细分的商用AI深度学习算法 (DLA) 的数量正在快速增长.
• 在现实环境中对这些AI模型的临床验证往往是有限的.

研究的目的:

• 为了验证两个商用,FDA批准和CE标记的DLAs用于前列腺腺细分的性能.
• 用异质临床MRI数据集对专家放射科医生手动细分进行AI模型性能评估.
• 在常规临床实践中对人工智能模型可靠性的理解作出贡献.

主要方法:

• 对7家医院和8台扫描仪 (2家供应商,1.5T/3T) 的123名患者的MRI数据的回顾性分析.
• 通过两个DLA (DLA1,DLA2) 生成的前列腺细分轮与专家放射科医生的手册轮 (参考标准) 的比较.
• 使用子相似系数 (DSC) 和配对t测试评估细分精度,没有先前的内部DLA培训.

主要成果:

• 与专家参考标准相比,DLA1的平均DSC为[插入DSC值].
• 与专家参考标准相比,DLA2的平均DSC为[插入DSC值].
• 统计分析显示,与专家参考标准 (p值 [插入p值]) 相比,DLA1和DLA2之间的DSC没有显著差异.

结论:

• 商业上可用的DLA显示了精确的全腺前列腺细分能力,与专家放射科医生相美.
• 这些人工智能模型显示出在现实世界临床环境中可靠应用的前景.
• 经过验证的AI细分工具的临床实施可能会优化放射科医生的工作流程并改善患者护理.