相关实验视频
Updated: May 1, 2026
09:11
Use of MRI-ultrasound Fusion to Achieve Targeted Prostate Biopsy
Published on: April 9, 2019
21.3K
基于MRI的深度学习算法用于协助临床上显著的前列腺癌检测:双中心前性研究
Young Joon Lee1, Hyong Woo Moon2, Moon Hyung Choi1
1Department of Radiology, Eunpyeong St Mary's Hospital, College of Medicine, The Catholic University of Korea, 1021 Tongil-ro, Eunpyeong-gu, Seoul 03312, Republic of Korea.
Radiology
|March 11, 2025
概括
与放射科医生相比,一个深度学习算法 (DLA) 显示出较低的灵敏度,但在检测临床显著前列腺癌 (csPCa) 方面具有较高的积极预测值. 将DLA与放射科医生解释相结合,可以提高诊断特异性,同时保持灵敏度.
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:
- 人工智能 (AI) 工具用于前列腺MRI的未来验证是有限的.
- 对于前列腺癌 (PCa) 检测的AI开发正在迅速推进.
- 准确的PCa检测依赖于强大的诊断工具和解释.
研究的目的:
- 将商业深度学习算法 (DLA) 的诊断性能与放射科医生的PCa检测报告进行比较.
- 以基因病理学作为参考标准来评估DLA的有效性.
- 评估DLA整合在前性双中心研究中对诊断准确性的影响.
主要方法:
- 潜在的注册参与者怀疑PCa接受MRI和活检.
- 前列腺成像报告和数据系统 (PI-RADS) 的比较,来自放射科医生和DLA.
- 分析诊断性能指标,包括灵敏度,特异性,正预测值 (PPV) 和AUC.
- 利用活检样本的组织病理学作为诊断的黄金标准.
主要成果:
- 与放射科医生相比,DLA在检测每次病变临床显著PCa (csPCa) 时表现出较低的灵敏度 (80%),但更高的PPV (58%),比放射科医生 (93%灵敏度,48%PPV).
- 将DLA纳入放射科医生的解释显著增加了每个参与者的特异性 (21%至44%),同时保持了高灵敏度 (96%对99%).
- 在基于放射学家和基于DLA的PI-RADS得分 (0.77对0.79) 之间的接收器操作特征曲线 (AUC) 下的区域没有观察到显著差异.
结论:
- DLA表现出与放射科医生不同的性能配置,其灵敏度较低,但对于csPCa检测PPV更高.
- 将DLA发现与放射科医生的解释结合起来,特别是对于不确定的PI-RADS 3分数,可以提高诊断特异性.
- 像DLA这样的AI工具有可能提高前列腺癌诊断中的放射科医生的性能,提高整体准确性.
