从多参数MRI获得人工智能衍生的瘤体积和局部前列腺癌的结果.
David D Yang1, Leslie K Lee1, James M G Tsui1
1From the Department of Radiation Oncology, Brigham and Women's Hospital/Dana-Farber Cancer Institute, 75 Francis St, Boston, MA 02115 (D.D.Y., J.E.L., A.S., C.V.G., K.W.M., N.E.M., P.F.O., P.L.N., A.V.D., K.Y.S., K.N.L., M.T.K.); Departments of Radiology (L.K.L.) and Urology (Q.D.T.), Brigham and Women's Hospital, Boston, Mass; Department of Medical Oncology, Dana-Farber Cancer Institute, Boston, Ma (H.M.M., M.E.T.); and Department of Radiation Oncology, McGill University, Montreal, Canada (J.M.G.T.).
Radiology
|October 29, 2024
概括
人工智能 (AI) 对前列腺内瘤体积 (VAI) 的细分提供了局部前列腺癌的预后价值. 这种基于人工智能的方法可以独立预测放射治疗或激进前列腺切除术治疗的患者的转移风险.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 磁共振成像 (MRI) 数据可以与人工智能 (AI) 一起用于测量前列腺内瘤体积.
- 基于人工智能的瘤体积测量可能为局部前列腺癌提供有价值的预后信息.
研究的目的:
- 为了确定AI产生的前列腺内瘤体积 (VAI) 是否提供独立的预后信息.
- 在接受放射治疗 (RT) 或激进前列腺切除术 (RP) 的局部前列腺癌患者中评估VAI.
主要方法:
- 对732名接受RT或RP治疗的cT1-3N0M0前列腺癌患者进行了回顾性单中心研究 (2021年1月至2023年8月).
- 在MRI数据上训练AI细分算法,以划分PI-RADS 3-5病变.
- 考克斯回归模型评估了VAI和转移的时间之间的关联,并调整了临床和放射学因素.
主要成果:
- 在组合RT组 (AHR,1.09; P = .001) 和RP组 (AHR,1.22; P = .001) 中,VAI与转移显著相关.
- 与RT组7年转移的NCCN风险分类相比,AI细分的体积显示出更好的预测性能 (AUC,0.84对0.74).
- 对于RP组,VAI也显示了5年转移的更高的预测准确性 (AUC,0.89对0.79).
结论:
- 人工智能衍生的前列腺内瘤体积 (VAI) 是局部前列腺癌的独立预后因素.
- 这种基于人工智能的方法可以提高RT或RP后转移风险的预测.


