基于多参数横直肠超声波的人工智能模型的评估,通过模拟向活检来定位临床显著的前列腺癌

科学领域:

• 医疗成像中的人工智能
• 前列腺癌诊断的诊断方法
• 超声波技术的超声波技术

背景情况:

• 人工智能模型在临床实施之前需要严格的评估.
• 使用3D mpUS开发了一个以voxel级别训练的AI模型 (AUROC 0.87),用于识别csPCa.
• 该模型在临床实践中的表现需要验证.

研究的目的:

• 评估基于3D mpUS的AI模型的患者级诊断准确度,用于csPCa检测.
• 为了比较人工智能模型在模拟向活检中的表现与组织病理学.
• 通过内部和外部验证来评估AI模型的通用性.

主要方法:

• 包括有或没有csPCa的患者 (等级组≥2或PI-RADS≤2/负活检).
• 使用3DmpUS (灰度,对比度增强,剪切波弹性) 实现自动获取.
• 通过模拟向活检与RP样本组织病理学相比,评估诊断准确性.

主要成果:

• 内部评估 (250名患者):对ISUP≥2的敏感度为0.82,特异性为0.43. 对于ISUP≥3,敏感度为0.90,特异性为0.39.
• 外部评估 (77名患者):对ISUP≥2的敏感度为0.81,特异性为0.42. 对于ISUP ≥3,敏感度为0.96,特异性为0.42.
• 在内部和外部数据集中观察到一致的患者水平表现.

结论:

• 3D mpUS AI 模型展示了对 csPCa 检测的一致和可泛化的性能.
• 模拟活检结果与voxel级培训保持一致,支持临床准备.
• 人工智能模型有望改善前列腺癌诊断,特别是在受MRI限制的环境中.