在mpMRI和PHI上研究AI算法,用于诊断临床上显著的前列腺癌
Zeyu Luo1, Jialei Li2, Kexin Wang3
1Zhejiang Chinese Medical University, Jiaxing University Master Degree Cultivation Base, Zhejiang, China; The Affiliated Hospital of Jiaxing University, Jiaxing, China.
Urologic oncology
|June 1, 2025
概括
结合临床因素,前列腺健康指数 (PHI) 和分析MRI图像的AI算法,可显著提高前列腺癌诊断准确度. 这种方法提高了临床显著前列腺癌 (csPCa) 的检测.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 临床上显著的前列腺癌 (csPCa) 的准确诊断对于有效的患者管理至关重要.
- 传统的诊断方法在区分cspca和惰性疾病方面存在局限性.
研究的目的:
- 通过整合多个临床和成像因素,评估提高csPCa的诊断准确性的可行性.
- 在csPCa检测中应用到多参数MRI (mpMRI) 的AI算法的增量值的评估.
主要方法:
- 一项对131名患者的回顾性研究分析了年龄,前列腺特异抗原 (PSA),前列腺健康指数 (PHI) 和病理学.
- 一个自制的人工智能算法处理了mpMRI图像,以产生正面或负面的人工智能结果.
- 开发了后勤回归模型,并使用接收器操作特征 (ROC) 曲线分析 (AUC) 进行了比较.
主要成果:
- 在csPCa和非csPCa组之间观察到年龄,PSA,PIRADS得分,AI结果和PHI的显著差异 (P ≤ 0.001).
- 综合了包括人工智能在内的所有因素的完整模型,实现了最高的诊断准确性 (R2 = 0.626) 和AUC (0.921).
- 完整模型的AUC明显高于传统模型,仅使用AI和仅使用PHI的模型 (P <0.05).
结论:
- 整合临床变量 (年龄,PSA,PIRADS得分),PHI和分析mpMRI数据的AI算法可以提高csPCa的诊断准确性.
- 开发的AI算法在改善临床上显著的前列腺癌的检测方面表现有前途.
