人工智能驱动前列腺癌检测:一个多中心,多扫描仪验证研究

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:

• 使用多参数MRI检测前列腺癌 (PCa) 的AI软件的多中心,多供应商验证是有限的.
• 现有的AI解决方案需要对各种数据集进行验证,以确保可通用性.

研究的目的:

• 为了验证一个新的AI软件 (Pi) 与多学科团队 (MDT) 支持的放射科医生解释,以检测临床上显著的PCa.
• 通过使用真实世界的数据,在多个站点,供应商和扫描器模型中评估AI的性能.

主要方法:

• 一个具有CE标志的深度学习 (DL) 计算机辅助检测 (CAD) 设备 (Pi) 在回顾性数据 (793名患者) 上进行了训练,并在六个站点的六台机器的单独数据集 (252名患者) 上进行了验证.
• 使用5类怀疑得分的放射科医生解释与通过ROC分析对AI性能进行了比较.

主要成果:

• 在检测格里森等级组 (GG) ≥2PCa (AUC 0.91对比0.95) 方面,AI (Pi) 与放射科医生无差.
• 在一个特定的值,AI的灵敏度为95% (特异性为67%),而放射科医生达到99%的灵敏度 (特异性为73%).
• 在不同地点,扫描器年龄和场强度 (AUC ≥0.83) 上,AI性能保持稳健.

结论:

• 现实数据表明,人工智能软件 (Pi) 与MDT支持的放射科医生在检测GG≥2 PCa的性能相匹配.
• 人工智能工具在多个站点,扫描仪供应商和模型中展示了通用性,支持其潜在的临床实用性.
• 需要进一步的前性研究来评估AI识别的病变在单独的活检程序.