基于MRI和临床特征的深度学习模型的开发和验证,以预测前列腺癌进展风险

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 前列腺癌 (PCa) 进展风险分层对于患者管理至关重要.
• 需要准确的预测模型来个性化后续策略,避免不必要的干预.

研究的目的:

• 通过MRI和临床数据验证深度学习 (DL) 模型来预测PCa进展风险.
• 为了比较DL模型的性能与已建立的风险计算器.

主要方法:

• 一项对1143名怀疑具有临床意义的PCa (csPCa) 患者的回顾性研究,使用1607张MRI扫描.
• 开发了一个DL模型,结合了基线MRI和临床参数 (年龄,PSA,PSA密度,前列腺体积).
• 进行了内部和外部验证,将预测性能与使用哈雷尔C指数的ERSPC和PCPT风险计算器进行了比较.

主要成果:

• DL模型在内部 (HR, 1.97) 和外部 (HR, 1.32) 队列中显著预测了csPCa的进展.
• 它确定了一个小组的患者 (大约. 20%) 具有非常低的1年,2年和4年的进展风险 (≤3%,≤8%,≤18%).
• 在内部测试中,DL模型表现出优越的预测性能 (C指数为0.68内部,0.56外部) 与ERSPC和PCPT相比.

结论:

• 经过验证的DL模型准确预测了PCa进展风险.
• 它提供了改进的风险分层,使低风险的PCa患者能够进行个性化的随访.
• 这种人工智能驱动的方法有可能优化患者管理并减少医疗保健负担.