深度学习算法协助诊断前列腺癌外囊扩展基于PSMA-1007 PET/CT和多参数MRI:一个多中心研究
Fei Yao1, Dongqin Zhu2, Heng Lin3
1The Department of Radiology, The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, 325000, China.
Prostate cancer and prostatic diseases
|December 8, 2025
概括
集成多参数MRI和PSMA PET/CT的深度学习模型显示出预测前列腺癌外囊扩展的前景. 一个易于使用的模型保持了高性能,有助于临床决策.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 前列腺癌 (PCa) 外囊扩展 (ECE) 影响治疗决策.
- 准确预测ECE对于手术规划和患者管理至关重要.
研究的目的:
- 开发和验证使用多参数MRI (mpMRI) 和[18F]PSMA-1007 PET/CT进行预测PCa ECE的深度学习 (DL) 模型.
- 创建简化的模型,将DL与临床专业知识相结合,以提高实用性.
主要方法:
- 开发了三种DL模型 (mpMRI,PET/CT,组合MPC),并与手动分级系统进行了比较.
- 组合模型 (例如,MPC-M) 将DL与手动评估集成在一起;还创建了一个简单模型 (E-MPC-M).
- 使用AUC和混矩阵指标评估模型性能;Grad-CAM可视化解释性.
主要成果:
- 该MPC-M模型实现了高AUC (0.907内部,0.849外部验证).
- E-MPC-M模型表现出强大的性能 (AUC为0.862内部,0.775外部).
- Grad-CAM证实了DL模型,专注于瘤相关区域,以有效地学习特征.
结论:
- MPC-M模型显示PCa ECE的强有力的预测性能.
- E-MPC-M模型提供了一个实用的替代方案,保留了预测能力.
- 需要进一步的前性多中心研究来确认可概括性.
