通过人工智能在良性前列腺活检中发现表明瘤的形态变化

科学领域:

• 癌症学
• 病理学
• 人工智能

背景情况:

• 诊断前列腺癌的针活检 (PCa) 可以错过临床显著的瘤,采样与隐藏癌症相邻的良性组织.
• 良性活检可能仍然含有前列腺其他部位存在的微妙形态指标.
• 提升的前列腺特异性抗原 (PSA) 水平需要准确的风险分层和早期检测方法.

研究的目的:

• 研究人工智能 (AI) 在良性前列腺活检中检测形态线索的能力.
• 在最初良性活检和PSA升高的男性中,预测30个月内临床显著的PCa的后续诊断.
• 在看似正常的组织中识别潜在PCa的特定组织模式.

主要方法:

• 对232名最初被诊断为良性前列腺组织的血素染色活检段进行分析.
• 基于年龄,诊断年份和PSA水平的病例匹配,其中一半患有PCa,另一半至少8年没有癌症.
• 从初始良性活检形态学预测未来PCa诊断的AI模型的开发和验证.

主要成果:

• 通过初始良性活检,人工智能模型在预测未来的PCa诊断方面表现出很高的准确性,达到0.82的曲线下面面积 (AUC).
• 人工智能识别了微妙的形态模式,包括肌体原的变化和腺上皮细胞的变化,与未来的PCa相关.
• 这些发现表明,人工智能可以在明显癌症检测之前的良性样本中辨别预测组织学特征.

结论:

• 常规活检片的AI分析可以识别临床上显著的前列腺癌的微妙形态征兆,即使最初的活检是良性的.
• 这种方法有可能改善PCa的早期检测,并通过标记高风险患者来帮助临床决策.
• 这项研究强调前列腺癌诱导了人工智能可检测的更广泛的组织变化,为非侵入性诊断支持提供了新的途径.