使用双参数MRI对人工智能算法的外部验证及其与常规PI-RADS模拟集成用于前列腺癌检测
Mason J Belue1, Vaneeza Mukhtar1, Roopa Ram2
1Department of Urology, University of Arkansas for Medical Sciences, Little Rock, Arkansas (M.J.B., V.M., J.L.M., E.B., T.L., A.M.A.).
Academic radiology
|April 12, 2025
概括
人工智能 (AI) 展示了与PI-RADS相比较的前列腺癌 (PCa) 检测. 将人工智能与放射科医生解释相结合,提高了检测临床显著PCa的灵敏度,特别是PI-RADS 3病变.
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:
- 前列腺成像报告和数据系统 (PI-RADS) 在性能上表现出显著的读者间变化.
- 人工智能 (AI) 算法对评估前列腺癌 (PCa) 风险充满希望,但需要在临床环境中进行验证.
研究的目的:
- 在现实世界临床实践中评估用于PCa检测的AI算法.
- 模拟AI模型与PI-RADS的集成,以评估不确定的PI-RADS 3病变.
主要方法:
- 对基于MRI的双参数AI模型进行PCa检测的追溯外部验证.
- 人工智能预测与活检结果的比较在144名接受前列腺核磁共振和活检的患者中.
- 模拟AI集成以调整PI-RADS类别3病变的活检值.
主要成果:
- 对PCa (86.6%) 和临床显著PCa (csPCa,88.4%) 的AI灵敏度与放射科医生 (85.7%和89.5%) 相似.
- 结合放射科医生和AI评估,csPCa灵敏度提高了5.8% (p=0.025).
- 人工智能,PI-RADS和PSA密度的组合为csPCa (AUC=0.76) 提供了最佳的诊断性能.
结论:
- 人工智能算法实现了类似于PI-RADS的PCa检测率.
- 将人工智能与放射科医生解释相结合,可以提高灵敏度,特别是对于PI-RADS 3病变.
- 需要进一步的研究来定义AI在PCa查中的作用.
