人工智能辅助尿细胞学用于非侵入性检测肌肉侵入性尿癌:一个多中心诊断研究与前性验证
Runnan Shen1,2,3, Fan Jiang1,2,3, Xiaowei Huang4
1Department of Urology, Sun Yat-sen Memorial Hospital of Sun Yat-sen University, Guangzhou, 510120, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|July 25, 2025
概括
使用尿细胞学的人工智能 (AI) 模型准确地检测尿癌 (UC) 的肌肉入侵,超过放射学家. 将人工智能与专家评估相结合,可以提高诊断准确度,特别是在新辅助疗法决策方面.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 精确的肌肉侵袭 (MI) 的术前诊断对于管理泌尿腺癌 (UC) 是至关重要的.
- 目前的诊断方法,包括成像,在精确检测心脏病发作时存在局限性.
- 需要非侵入性和准确的工具来评估UC中的MI.
研究的目的:
- 评估基于尿细胞学的AI模型 (PUCAS-M) 的诊断性能,用于检测UC中的MI.
- 将人工智能模型的性能与放射科医生的评估进行比较.
- 在各种UC管理场景中评估AI模型的临床实用性.
主要方法:
- 开发和验证一个精确的尿细胞学AI解决方案用于MI (PUCAS-M) 使用液体基尿细胞学从UC患者在四个中心.
- 将PUCAS-M性能与放射科医生评估 (CT/MR成像) 的比较.
- 综合模型 (mPUCAS-M) 在初始诊断,复发检测和新辅助治疗子组中的性能评估.
主要成果:
- 与放射科医生 (0.773) 相比,PUCAS-M实现了0.857的接收器操作曲线 (AUROC) 下的面积显著更高.
- 综合模型 (mPUCAS-M) 在膀癌 (63.9%至83.3%) 和上道UC (76.9%至90.3%) 中显著提高了检测MI的灵敏度.
- 与放射科医生的评估不同,mPUCAS-M在新辅助疗法子组中显示了持续的高性能.
结论:
- 人工智能驱动的尿细胞学解决方案 (PUCAS-M) 提供了一种准确且非侵入性的方法,用于检测UC的肌肉入侵.
- 将PUCAS-M与临床数据和放射科医生的专业知识相结合,可以提高诊断精度,并为UC管理提供可扩展的解决方案.
- 这种AI方法对于模两可的成像病例和优化治疗决策特别有价值.
