使用扩散基谱成像指标的人工智能模型准确预测临床上显著的前列腺癌
Eric H Kim1,2, Huaping Jing3, Kainen L Utt3
1Division of Urology, Department of Surgery, University of Nevada Reno School of Medicine, Reno, Nevada.
The Journal of urology
|January 27, 2025
概括
使用AI的扩散基谱成像 (DBSI) 可以准确预测临床显著的前列腺癌 (csPCa). 结合DBSI和PI-RADS可能会减少前列腺癌不必要的活检.
科学领域:
- 放射学 放射学是指放射学
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 传统的前列腺MRI在准确检测临床显著前列腺癌 (csPCa) 方面存在局限性.
- 扩散基谱成像 (DBSI) 为前列腺癌评估提供了先进的指标.
- 活检仍然是黄金标准,但会带来风险和成本.
研究的目的:
- 评估人工智能 (AI) 模型的有效性,使用DBSI指标来预测csPCa.
- 将DBSI-AI模型的诊断性能与已知的生物标志物如PSA密度 (PSAD) 和PI-RADS进行比较.
- 评估DBSI-AI模型在减少不必要的前列腺活检方面的潜力.
主要方法:
- 在活检之前,241名患者接受了常规和DBSI序列的MRI.
- 人工智能模型使用DBSI指标进行训练,活检病理学作为基本真相.
- 对比DBSI-AI模型的性能与PSAD和PI-RADS进行了csPCa风险歧视 (格里森分数>=7).
主要成果:
- 该DBSI-AI模型独立预测了csPCa (OR2.04,P <.01).
- 仅DBSI-AI模型的表现与PSAD+PI-RADS的表现相似 (AUC为0.863对比0.859).
- DBSI-AI模型+PI-RADS的组合实现了最高的风险歧视 (AUC 0.894,P < .01).
- 使用DBSI-AI用于PI-RADS 1-3的策略可以将活检减少27%,同时缺少2%的csPCa.
结论:
- 基于DBSI的AI模型准确地预测了csPCa.
- 将DBSI-AI模型与PI-RADS相结合可以增强风险分层.
- 这种方法有望减少不必要的前列腺活检.
