在前列腺癌中预测术前前列腺外延伸的人工智能成像:系统性审查和元分析

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 人工智能 (AI) 技术,特别是机器学习和深度学习,在分析多式成像数据方面表现有前途,以改善前期预测前列腺癌中前列腺外延伸 (EPE).
• 精确的术前预测EPE对于治疗计划和前列腺癌患者管理至关重要.

研究的目的:

• 将人工智能成像技术的诊断性能与放射科医生进行比较,用于预测前列腺癌中手术前的EPE.
• 评估基于多参数磁共振成像 (mpMRI) 和前列腺特异性膜抗原正子发射断层扫描 (PSMA PET) 的AI模型的有效性.

主要方法:

• 在PubMed,Embase和Web of Science进行了系统的文献搜索,直到2025年9月,遵守PRISMA-DTA指南.
• 包括使用人工智能用于EPE预测与mpMRI和PSMA PET成像的研究.
• 聚合的灵敏度,特异性和曲线下的面积 (AUC) 用双变随机效应模型计算,研究质量通过QUADAS-2工具进行评估.

主要成果:

• 与放射科医生相比,基于AI的mpMRI显示出更高的诊断性能,AUC更高 (0.81比0.77在内部验证中).
• 基于mpMRI的AI和放射科医生在灵敏度和特异性方面没有发现显著差异.
• 基于PSMA PET的AI表现中等,但与基于mpMRI的AI或放射学家相比没有显著优势,特别是在外部验证方面.

结论:

• 使用mpMRI的AI显著改善了与传统放射性评估相比,前列腺癌中EPE的术前预测.
• 目前,基于PSMA PET的AI与基于mpMRI的AI或放射学家相比没有显著的优势.
• 需要对更大,更多样化的队列进行进一步的研究,以确认发现并优化AI与临床实践的整合,同时承认回顾性设计和异质性的局限性.