基于深度学习的非对比性MRI模型用于鼻癌诊断:一个端到端的无加多溶液
Zhen Li1,2, Yiqian Shi3, Li Wang1
1ENT Institute and Department of Otorhinolaryngology, Eye & ENT Hospital, Fudan University, Shanghai, China.
NPJ digital medicine
|December 22, 2025
概括
这项研究引入了一种深度学习模型,用于使用非对比MRI诊断鼻癌 (NPC). 这种人工智能方法为对比度增强扫描提供了安全,经济高效的替代方案,提高了诊断效率.
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:
- 鼻癌 (NPC) 的诊断和监测通常需要对比度增强的MRI,这可能与基于加多的对比剂 (GBCA) 相关的风险.
- 需要更安全,更有效的诊断方法来避免与GBCA相关的担忧,并降低医疗保健成本.
研究的目的:
- 开发和验证一个深度学习模型,用于仅使用非对比MRI诊断NPC.
- 评估模型的性能与现有方法相比,并在多读者研究中评估其临床实用性.
主要方法:
- 在854个NPC案例中开发和训练了一种新的知识蒸模式融合深度学习模型.
- 该模型在内部 (257例) 和外部 (277例) 数据集上进行了测试,并与基线非对比MRI和虚拟对比增强方法进行了比较.
- 一项多读者,多案例研究涉及6家医院的13名读者,评估了人工智能辅助诊断性能.
主要成果:
- 拟议的模型实现了0.95 (内部) 和0.86 (外部) 的高AUC,超过了基线非对比MRI (分别为0.93和0.82).
- 该模型明显超过了三种最先进的虚拟对比增强方法,显示AUC增长高达69.8%.
- 使用非对比度MRI进行人工智能辅助诊断,与对比度增强成像相比,获得了非劣质的结果 (AUC 0.90与0.93,p<0.01).
结论:
- 开发的深度学习模型为NPC诊断提供了一种安全,具有成本效益和无GBCA的方法.
- 这种人工智能驱动的方法显示了常规临床应用的潜力,提高了诊断准确性和患者安全.
