开发和验证一个人工智能辅助的预测模型,整合R2*映射和临床指标,用于临床显著的前列腺癌
Xin Li1, Yonggui Shi1, Jing Fang1
1Department of Radiology, The Second Affiliated Hospital of Chongqing Medical University, Chongqing, China.
Cancer medicine
|February 18, 2026
概括
这项研究使用MRI数据开发了一种AI nomogram,以准确检测临床显著的前列腺癌 (csPCa). 该工具集成了人工智能辅助的S-PI-RADS v2.1和R2*映射,用于改进非侵入性预测.
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:
- 关于人工智能辅助的简化前列腺成像报告和数据系统版本2.1 (S-PI-RADS v2.1) 结合定量MRI用于临床显著前列腺癌 (csPCa) 检测的有限证据.
- 需要改进csPCa的诊断工具.
研究的目的:
- 为 csPCa 预测开发和验证一个名ogram.
- 将人工智能辅助的S-PI-RADS v2.1 (双参数MRI) 和R2*映射纳入名图.
主要方法:
- 345名患者 (115名csPCa,230名非csPCa) 的前性研究.
- 临床 (年龄,BMI,PSA) 和成像 (PV,S-PI-RADS,R2*) 参数的分析.
- 后勤回归用于预测器识别,名ogram开发 (R软件,DynNom) 和验证 (1000个引导代).
主要成果:
- 独立的csPCa预测指标:BMI,PSA≥10ng/mL,PV,S-PI-RADS4-5和R2* (所有p<0.05).这些预测指标包括:
- 完整的模型 (BMI+PSA+PV+S-PI-RADS+R2*) 显示出优越的歧视 (AUC=0.915) 与基线 (AUC=0.891) 相比.
- 获得了85.2%的灵敏度和80.9%的特异性;强大的内部验证 (C指数=0.884).
结论:
- 人工智能增强的诺米图准确地使用临床和多参数MRI数据进行非侵入性预测csPCa.
- R2*显著改善了预测性能.
- 工具促进了针对前列腺癌的个性化临床决策.
