商用人工智能算法用于前列腺成像报告和数据系统 (PI-RADS) 的多中心基准测试,在前列腺MRI中分配分数和检测损伤.

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:

• 多参数MRI (mpMRI) 对于前列腺癌 (PCa) 诊断至关重要.
• 越来越多的mpMRI使用需要先进的计算机辅助分析工具.
• 本研究评估了一种商业AI算法,用于PCa在多个中心的检测和分类.

研究的目的:

• 评估商用人工智能算法用于前列腺癌检测和分类的性能.
• 在多中心环境中比较人工智能和人类读者的诊断准确度.
• 确定AI在提高PCa诊断效率方面的潜力.

主要方法:

• 分析了来自三个大学医院 (2017-2022) 的91名患者的3TmpMRI扫描.
• 根据PI-RADSv2.1协议阅读考试,然后通过AI算法进行评估.
• 诊断准确度是用MR引导的超声波融合活检作为黄金标准来计算的.

主要成果:

• 在患者层面上,AI的敏感性 (91%) 和特异性 (57%) 与临床显著PCa (csPCa) 的放射科医生 (92%/64%) 相当.
• 在损伤水平 (PI-RADS ≥ 4),AI灵敏度 (81%) 和特异性 (78%) 也与放射科医生 (90%/70%) 相比进行了评估.
• 在病变层面上,AI表现出高灵敏度 (90%) 和特异性 (70%),PI-RADS ≥3.0的csPCa的负预测值为0.88.

结论:

• 人工智能增强的病变检测在多中心环境中是一个强大的工具,显示的灵敏度与放射科医生相似.
• 人工智能在特定PI-RADS值的患者和病变水平上的特异性优于人类读者.
• 人工智能有可能在人类阅读之前进行临床集成,以提高PCa检测效率和工作流程.