一个多参数MRI和基线临床特征为基础的密集多模融合人工智能 (MFAI) 模型,以预测割抵抗性前列腺癌的进展
Dianning He1, Haoming Zhuang2, Ying Ma2
1School of Health Management, China Medical University, Shenyang 110122, China.
Cancers
|May 14, 2025
概括
一个新的AI模型准确地预测前列腺癌 (PCa) 患者是否会在12个月内患上耐激素前列腺癌 (CRPC). 这种工具有助于泌尿科医生在PCa患者的治疗规划和预后.
科学领域:
- 在瘤学瘤学.
- 人工智能在医学中的应用
- 医疗成像医学成像
背景情况:
- 前列腺癌 (PCa) 管理通常涉及激素治疗.
- 预测进展为抵抗割的前列腺癌 (CRPC) 对患者的治疗结果至关重要.
- 需要准确的预测模型来指导治疗策略.
研究的目的:
- 为了确定前列腺癌 (PCa) 患者在经过12个月的激素治疗后是否进展到抵抗割的前列腺癌 (CRPC).
- 开发和验证一种人工智能 (AI) 模型,用于预测PCa向CRPC的进展.
主要方法:
- 一项回顾性研究包括96名PCa患者,具有基线数据和多参数MRI.
- 一个密集的多式融合人工智能 (Dense-MFAI) 模型是使用DenseNet和XGBoost. developed开发的.
- 用准确度,AUC,灵敏度和特异性来评估模型性能.
主要成果:
- 密度-MFAI模型在预测PCa向CRPC的进展方面实现了94.2%的准确性和0.945的AUC.
- 将放射学特征与临床数据相结合,显著提高了该模型的预测性能.
- 多式联运数据集成对于准确的分类至关重要.
结论:
- 拟议的密集-MFAI模型准确地预测了PCa向CRPC的进展.
- 这种人工智能工具可以帮助泌尿科医生优化治疗计划和预后评估.
- 该模型强调了多式联络数据在预测癌症进展方面的价值.
