完全自动化的AI算法的诊断性能用于在怀疑患有前列腺癌的患者中检测病变和PI-RADS分类
Hannes Engel1, Andrea Nedelcu2, Robert Grimm3
1Department of Radiology, Medical Center - University of Freiburg, Faculty of Medicine, University of Freiburg, Freiburg, Germany. hannes.engel@uniklinik-freiburg.de.
La Radiologia medica
|April 16, 2025
概括
这项研究表明,商业人工智能算法能够准确检测前列腺癌,并使用PI-RADS标准对病变进行分类. 与人类读者相比,人工智能在识别临床上显著的前列腺癌方面表现出卓越的准确性.
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:
- 前列腺癌的诊断严重依赖于磁共振成像 (MRI) 和随后的解释.
- 准确检测和分类前列腺病变对于适当的患者管理至关重要.
- 人工智能 (AI) 的整合为诊断准确性和效率提供了潜在的改进.
研究的目的:
- 评估用于前列腺癌检测的全自动化,商用AI算法的诊断性能.
- 评估AI算法根据前列腺成像报告和数据系统 (PI-RADS) 的类别对前列腺病变进行分类的能力.
主要方法:
- 回顾性单中心队列研究,包括272名怀疑患有前列腺癌的患者接受3TMRI.
- 通过向的跨膜超声波融合导向活检和系统活检,建立了组织病理基础真相.
- 人工智能算法性能与人类读者在病变和患者层面进行了比较.
主要成果:
- 与人类读者相比,人工智能算法在检测临床显著前列腺癌 (sPCa) 中的准确性明显更高,特别是在PI-RADS类别≥4 (74%对63%) 和≥3 (70%对52%) 中.
- 人工智能正确地将62名人类读取PI-RADS≥3的患者重新归类为真负数,从而可能减少不必要的活检.
- 人工智能PI-RADS类别分布和癌症检测率与最近的元分析结果一致.
结论:
- 人工智能算法是一种可靠和强大的工具,用于在MRI上检测和分类前列腺癌病变.
- 人工智能的性能表明了精确的风险分层能力,与已建立的诊断基准保持一致.
- 这种自动化人工智能工具在提高前列腺癌诊断的准确性和效率方面表现有前途.
