ProCUSNet:使用人工智能在前列腺活检期间进行向的B模式跨直肠超声波检测前列腺癌

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 前列腺癌的诊断方法 前列腺癌的诊断方法

背景情况:

• 传统的B模式跨直肠超声波 (TRUS) 在检测临床上显著的前列腺癌方面存在局限性.
• 精确地定位癌症病变对于有效的活检和治疗计划至关重要.

研究的目的:

• 评估人工智能 (AI) 方法ProCUSNet在使用B模式跨直肠超声图像检测临床显著前列腺癌方面的有效性.
• 将人工智能的性能与人类读者和MRI解释进行比较.

主要方法:

• 在两所机构使用2986名男性的数据,训练了PROstate癌症检测在B模式的直肠横向超声波图像网络 (ProCUSNet).
• ProCUSNet使用nnUNet框架在3D重建的超声波卷上检测和概述癌症.
• 性能与参考标签,八个超声波读取器和放射科医生解释MRI进行了基准测试.

主要成果:

• 通过ProCUSNet,诊断出82%具有临床意义的前列腺癌病例,准确度高 (损伤边界误差高达2.67毫米).
• 人工智能检测到的病变数量比人类超声波读取器多42% (灵敏度为0.86比0.44).
• ProCUSNet表现出与放射科医生的MRI解释相似的性能 (灵敏度为0.79比0.78) 和类似的准实用性作为活检的补充.

结论:

• ProCUSNet有效地在B模式超声波上定位临床显著的前列腺癌,克服了人类读者面临的挑战.
• 人工智能显示出作为系统活检的辅助工具的潜力,以改善损伤向.
• 在没有MRI的情况下,ProCUSNet可能为前列腺癌查提供一个可行的替代方案.