开发一种可解释的临床放射学机器学习模型,使用整个过渡区MRI分析来改善过渡区前列腺癌的诊断
Jinhan Yang1, Ningning Jiang2, Yongsheng Zhang1
1Department of Radiology, Hangzhou Traditional Chinese Medicine Hospital Affiliated to Zhejiang Chinese Medical University, Hangzhou, Zhejiang, China.
Frontiers in oncology
|February 27, 2026
概括
这项研究开发了一个临床放射学模型,整合了双参数MRI (bp-MRI) 和临床数据,以准确诊断过渡区前列腺癌 (TZ-PCa). 该模型显示出高诊断性能,提高了区分TZ-PCa与良性前列腺增生症 (BPH) 的准确性.
科学领域:
- 放射学 放射学是指放射学
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 过渡区前列腺癌 (TZ-PCa) 诊断是具有挑战性的,因为与良性前列腺增生 (BPH) 发生重叠的成像特征.
- 准确的区分对于适当的患者管理和治疗策略至关重要.
研究的目的:
- 开发和外部验证可解释的临床放射学模型,以改善TZ-PCa诊断.
- 将双参数MRI (bp-MRI) 功能与临床变量相结合,以提高诊断准确度.
主要方法:
- 对来自两个机构的280例病理确诊病例进行了回顾性分析.
- 使用T2加权成像 (T2WI) 和明显扩散系数 (ADC) 序列的放射学模型的开发.
- 建立一个临床放射学模型,将放射学特征与PI-RADS评分和tPSA结合起来,使用ROC分析和SHAP解释性进行验证.
主要成果:
- 组合序列 (ADC+T2WI) 放射学模型的AUC为0.865 (训练) 和0.850 (内部验证).
- 临床放射学模型表现出优异的性能,AUC为0.963 (训练),0.889 (内部验证) 和0.829 (外部验证).
- PI-RADS评分和tPSA被确定为独立的临床预测指标;T2-wavelet-LLH_glszm_SmallAreaLowGrayLevelEmphasis是最重要的放射学特征.
结论:
- 拟议的临床放射学模型为区分TZ-PCa与BPH在各机构之间提供了卓越的诊断性能.
- 整合SHAP分析提高了模型的解释性,可能有助于临床医生在精确的诊断和治疗决策.
