基于临床显著前列腺癌的双参数MRI的人工智能的诊断性能:系统性审查和元分析
Guangzhao Yan1, Yanyan Wang2, Liqun Chen3
1Department of Emergency Medicine, Emergency and Critical Care Center, Zhejiang Provincial People's Hospital, Affiliated People's Hospital, Hangzhou Medical College, Hangzhou, Zhejiang, China (G.Y.).
Academic radiology
|March 9, 2025
概括
应用于双参数磁共振成像 (bpMRI) 的人工智能 (AI) 在检测临床显著前列腺癌 (csPCa) 中显示出高精度. 与传统的放射学解释相比,这种AI方法可能提供更高的诊断性能.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 前列腺癌的诊断严重依赖于成像和活检.
- 双参数磁共振成像 (bpMRI) 是一种不断发展的前列腺癌检测技术.
- 人工智能 (AI) 具有提高医学成像诊断准确性的潜力.
研究的目的:
- 系统地评估应用到bpMRI的AI的诊断性能,以确定临床显著的前列腺癌 (csPCa).
- 将AI-bpMRI的诊断准确性与传统的放射学解释进行比较.
主要方法:
- 按照PRISMA-DTA指南进行系统审查和元分析.
- 在PubMed,Embase和Web of Science中搜索了使用bpMRI进行csPCa诊断的AI算法研究.
- 采用双变的随机效应模型来合成灵敏度,特异性和AUC,用I2统计数据评估异质性.
主要成果:
- 19项研究包括4594名患者 (内部验证),795名患者 (外部验证) 和897名患者 (放射科医生队列).
- 在bpMRI上的AI实现了高诊断性能:内部验证 (灵敏度0.88,特异性0.79,AUC0.91) 和外部验证 (灵敏度0.85,特异性0.83,AUC0.91).
- 放射科医生的解释显示,平均AUC较低,为0.78.
结论:
- 应用于bpMRI的AI显示了csPCa的优秀诊断性能,可能超过传统的放射学解释.
- 显著的异质性和有限的样本大小需要谨慎.
- 进一步的前性研究对于确认发现和评估临床适用性至关重要.
