在双参数MRI查人口数据中对前列腺癌检测人工智能的评估
Fredrik Langkilde1,2, Magnus Gren3,4, Jonas Wallström3,4
1Department of Radiology, Institute of Clinical Sciences, Sahlgrenska Academy, University of Gothenburg, Gothenburg, Sweden. fredrik.langkilde@gu.se.
European radiology
|December 8, 2025
概括
在前列腺MRI查数据上训练的人工智能 (AI) 系统显示出有希望的检测能力,但与放射科医生相比,其特异性较低. 需要进一步开发,以匹配放射科医生在确定临床上显著的前列腺癌方面的表现.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 前列腺癌查旨在早期检测临床意义上的疾病.
- 深度学习模型为自动化前列腺MRI分析提供了潜力.
- 对人类专家进行AI性能评估对于临床采用至关重要.
研究的目的:
- 从查人口中选前列腺MRI数据集.
- 训练和评估一个深度学习细分模型 (nnU-Net) 来检测临床显著的前列腺癌 (csPC).
- 将AI系统的性能与使用PI-RADS v2标准的放射科医生进行比较.
主要方法:
- 一个深度学习的人工智能系统 (nnU-Net) 在G2试验前列腺癌查队列的MRI数据上进行了训练和评估.
- 人工智能的目标是检测CSPC (ISUP等级≥2),基因病理作为参考标准.
- 性能与使用PI-RADS v2的放射科医生进行了基准测试,有系统的活检和3年的随访进行验证.
主要成果:
- 这项研究使用了来自1254名男性的1354次MRI检查,随机分为训练 (1086) 和测试 (268) 组.
- 人工智能系统实现了接收器操作特征曲线 (AUROC) 下的面积为0.83.
- 与放射科医生相比,AI在匹配的灵敏度水平上表现出明显较低的特异性.
结论:
- 从具有组织学确认的查人群中,成功创建了一个精选的前列腺MRI数据集,并用于AI评估.
- 在这个数据集上训练的AI系统的特异性低于经验丰富的放射科医生.
- 在查队伍上训练的AI系统可能需要进一步的改进,以在csPC检测中与专家放射科医生保持平衡.
