使用基于人工智能的前列腺癌检测途径模拟工作量减少,使用预测不确定性指标
Stefan J Fransen1, Joeran S Bosma2, Quintin van Lohuizen3
1Department of Radiology, University Medical Center Groningen, Groningen, The Netherlands. s.j.fransen@umcg.nl.
European radiology
|June 7, 2025
概括
人工智能 (AI) 可以帮助排除前列腺MRI扫描临床显著前列腺癌 (csPCa) 的高可靠性. 不确定性量化中的变量 (varUQ) 显示为减少放射科医生的工作量有希望,但门需要机构特定的校准.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 前列腺癌诊断的诊断方法
背景情况:
- 前列腺癌的检测严重依赖于放射科医生对MRI扫描的解释.
- 减少放射科医生的工作量,同时保持诊断准确度是一个关键的挑战.
- 不确定性量化 (UQ) 度量可以帮助识别需要人类审查的AI预测.
研究的目的:
- 为了比较两个UQ指标 (meanUQ和varUQ) 以排除前列腺MRI扫描与高可靠性AI预测.
- 评估在临床上显著的前列腺癌 (csPCa) 检测途径中可能减少放射科医生的工作量.
- 与标准放射科医生读数相比,研究基于人工智能的排除途径的有效性和准确性.
主要方法:
- 来自三个研究所的1612个前列腺MRI扫描的回顾性分析.
- 标准诊断途径与基于AI的规则排除途径的比较,使用15个AI子模型.
- 使用AUROC上的DeLong测试对平均UQ和 varUQ预测指标的评估.
- 根据在非劣的特异性边际 (0.05和0.10) 保持灵敏度来确定减少工作量.
主要成果:
- 基于人工智能的排除途径证明了机构特定的工作量减少,高达20%的0.10非劣势差额.
- 在特定情况下,VarUQ与平均UQ相比,AUROC得分较高,但不显著.
- 在0.05区间观察到不显著的工作量减少,突出显示了所选值的影响.
结论:
- 无论是 meanUQ 还是 varUQ,都显示出基于人工智能的csPCa检测排除途径的潜力.
- 在人工智能驱动的途径中使用varUQ可以减少需要放射科医生解释的扫描数量.
- 由于性能不同,对UQ值的研究所特定校准至关重要,使半自主AI评估成为可能.
