一项基于MRI的新型息地分析和深度学习,用于预测前列腺癌的围神经入侵:两中心研究

科学领域:

• 放射学和瘤学
• 医学的人工智能
• 医学成像分析

背景情况:

• 前列腺癌的诊断和分期对于治疗计划至关重要.
• 周围神经侵袭 (PNI) 是PCa的一个重要预后因素.
• 通过传统方法准确预测PNI仍然具有挑战性.

研究的目的:

• 评估深度学习 (DL) 模型在PCa中预测PNI的有效性.
• 评估基于多参数MRI (mpMRI) 的瘤异质性分析对PNI预测的有用性.
• 将DL模型与临床模型在PNI检测中的性能进行比较.

主要方法:

• 对来自两个中心的397名PCa患者进行了回顾性分析.
• 基于mpMRI的息地分析 (T2加权,扩散加权成像,ADC) 针对瘤异质性.
• 使用培训,内部和外部验证队伍,开发和验证DL模型,包括息地和组合模型.
• 接收器操作特征 (ROC) 曲线分析以评估模型性能.

主要成果:

• DL息地模型在验证队列中表现出强大的PNI预测性能 (AUC为0.802-0.957).
• 结合的DL模型显著优于临床和息地模型,在训练队列中达到0. 999的AUC.
• 决策曲线和临床影响分析证实了联合DL模型的有利临床适用性和实用性.

结论:

• 基于mpMRI的息地分析的深度学习模型提供了PCa中PNI状态的准确预测.
• 这种人工智能驱动的方法在临床实践中有很大的潜力.
• 基于mpMRI的瘤异质性分析是提高前列腺癌PNI预测准确性的重要工具.