一般医疗基础模型改善了从多式共振磁共振图像的前列腺癌细分
Yuhan Zhang1,2, Xiao Ma3,4, Mingchao Li5
1School of Biomedical Engineering, Shenzhen University, Shenzhen, China.
NPJ digital medicine
|June 18, 2025
概括
一种新的前列腺癌 (PCa) 分段模型PCaSAM显著提高了使用多模式MRI的诊断准确性. 这种自动化工具增强了放射科医生的能力,以更好地规划治疗和治疗结果.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在瘤学中的应用
- 前列腺癌诊断的诊断方法
背景情况:
- 前列腺癌 (PCa) 是成年男性癌症的主要原因.
- 在MRI上PCa的准确细分对于诊断,分期和治疗计划至关重要.
- 现有的细分模型往往缺乏广泛临床采用所需的性能.
研究的目的:
- 引入PCaSAM,一个完全自动化的前列腺癌细分模型,使用多模态MRI.
- 评估PCaSAM的性能与通用医学基础模型和其他细分方法相比.
- 评估PCaSAM辅助细分对PI-RADS评分和诊断准确性的影响.
主要方法:
- 开发PCaSAM,这是一个设计用于多模态MRI输入的基础模型.
- 使用多中心内部和外部数据集进行全面评估.
- 将PCaSAM与现有的最先进的细分模型进行比较.
- 对PI-RADS分数改善和诊断性能 (AUC) 在分段后的分析.
主要成果:
- PCaSAM表现出卓越的性能,平均子相似系数 (DSC) 为0.721 (内部) 和0.706 (外部).
- 该模型显著提高了PI-RADS评分的准确性,在外部数据集上平均AUC增加了8.3-8.9%.
- PCaSAM表现出高效率,使其适合临床部署.
结论:
- 在自动化前列腺癌细分方面,PCaSAM从多模态MRI提供了显著的进步.
- 该模型提高了诊断准确度,并有助于更精确的PI-RADS评分.
- PCaSAM的效率和性能使其成为前列腺癌管理中的真实世界临床应用的宝贵工具.
