通过穿直肠超声波检测前列腺癌检测和风险分层的人工智能:叙述性审查
Qiong Zhang1, Chenyun Zhou1, Yang Chen1
1Department of Medical Ultrasound, West China Hospital, Sichuan University, Chengdu, China.
Gland surgery
|March 11, 2026
概括
人工智能 (AI) 在改善前列腺癌 (PCa) 检测和使用跨直肠超声波 (TRUS) 识别临床显著的PCa (CSPCa) 方面表现有前途. 然而,AI还不能仅从TRUS中预测完整的五层ISUP等级组分层.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 前列腺癌 (PCa) 管理依赖于准确的风险分层.
- 跨直肠超声波 (TRUS) 对于诊断至关重要,但在分辨率和观察者间变异性方面存在局限性.
- 人工智能 (AI) 为增强基于TRUS的风险评估提供了潜在的解决方案.
研究的目的:
- 审查基于TRUS的AI模型用于PCa检测,临床显著PCa (CSPCa) 识别和风险分层的现状.
- 在PCa管理中识别现有的AI模型的能力和局限性.
主要方法:
- 在PubMed和Web of Science数据库中的系统文献搜索.
- 包括1999年至2026年出版的经过同行评审的原始英语文章.
- 评估AI模型性能指标,包括曲线下的面积 (AUC).
主要成果:
- 基于TRUS的AI模型在PCa检测方面达到高精度 (AUC0.78-0.96),在CSPCa识别方面达到高精度 (AUC0.85-0.90),尤其是在3D或多参数融合方面.
- 人工智能模型对于二进制风险分层 (低中等与高风险) 的表现良好.
- 存在很大的差距,因为没有人工智能模型可以预测使用TRUS成像单独的五层国际泌尿病学学会 (ISUP) 等级组 (GG).
结论:
- 基于TRUS的AI对于PCa和CSPCa的检测和识别是有效的.
- 预测完整的五层ISUP GG分层仍然是基于TRUS的AI的主要未满足需求.
- 未来的研究应该专注于多中心数据,先进的算法,并解决临床翻译的本地化挑战.
