基于T2加权成像的深度学习方法,用于非侵入性前列腺癌检测和格里森等级预测:一个多中心研究

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:

• 准确的前列腺癌检测和格里森等级预测对于有效的临床管理至关重要.
• 目前的方法可能涉及侵入性手术,突出了对非侵入性替代品的需求.

研究的目的:

• 开发和验证用于非侵入性前列腺癌检测的深度学习模型.
• 使用T2权重磁共振成像 (MRI) 预测前列腺癌的格里森等级.

主要方法:

• 一种深度学习方法被设计用于前列腺癌检测和格里森分数预测.
• 利用了来自多个中心的回顾性内部数据集和外部验证数据集.
• 使用曲线下的面积 (AUC) 评估性能.

主要成果:

• 深度学习模型在验证组中实现了前列腺癌检测AUC为0.918.
• 对于格里森等级预测,该模型显示AUC为0.902 (培训),0.854 (验证),0.776 (外部验证) 和0.838 (公共挑战).
• 该模型在检测和预测任务中表现优于人类专家.

结论:

• 拟议的深度学习方法有效检测前列腺癌,并使用T2加权MRI预测格里森等级.
• 多中心验证证实了深度学习方法的稳定性.
• 通过这种方法进行非侵入性格里森等级预测,可能会减少不必要的前列腺活检.