AI前列腺癌检测效果媲美专家？European Radiology:AI在多中心验证中表现卓越，前列腺癌检测精准度高达 0.91

前列腺影像报告和数据系统（PI - RADS）评分系统的发展取得了一定进展，但不同中心在癌症检测性能上存在差异。放射科医生培训水平的不同、扫描仪技术和成像协议的变化，对癌症检测结果的一致性和准确性有显著影响。

基于深度学习的计算机辅助检测（DL - CAD）软件在提高临床显著性 PCa（csPCa，通常定义为分级组（GG）≥2）检测准确性方面受到越来越多的关注。用于 PCa 检测的 DL - CAD 系统性能已接近专家放射科医生。通过辅助放射科医生进行更精确的图像分析，这些系统还有助于减少侵入性活检的需求，最终改善患者护理。然而，目前的研究大多局限于回顾性、单中心、单扫描仪的数据，无法评估模型的泛化能力。Sushentsev 等人的系统评价对基于 MRI 的全自动和半自动人工智能算法鉴别 csPCa 的性能进行了比较，在通过质量筛选的 17 项研究中，14 项（82%）是在单一中心进行的，且使用的是单一供应商的数据。为了将这些技术应用于临床实践，在多中心、多供应商数据上进行性能评估对于评估其泛化能力至关重要。

一款具有欧洲合格认证（CE）标志的深度学习（DL）计算机辅助检测（CAD）医疗设备（Pi），利用 PROSTATEx 数据集和来自五家英国医院（793 名患者）的回顾性数据进行训练，以检测格里森分级组（GG）≥2 的癌症。独立验证数据集来自六个地点的两家制造商的六台机器（252 名患者）。研究纳入的数据为 2018 年 8 月至 2022 年 10 月期间进行的 MRI 扫描数据。对于 MRI 结果为阴性且未进行活检的患者，假定为阴性（90.4% 的患者前列腺特异性抗原密度 < 0.15 ng/mL²）。使用受试者工作特征（ROC）分析来比较使用 5 类可疑评分的放射科医生的诊断结果。

验证集中 GG≥2 的患病率为 31%。按患者评估，Pi 与放射科医生的表现相当（将 10% 的性能差异视为可接受），曲线下面积（AUC）分别为 0.91 和 0.95。在预先设定的 3.5 风险阈值下，AI 软件的灵敏度为 95%，特异度为 67%；而依据前列腺影像报告和数据系统 / 李克特评分≥3 的放射科医生检测 GG≥2 癌症的灵敏度为 99%，特异度为 73%。在患者层面，AI 在每个站点的表现都很好（AUC≥0.83），且不受扫描仪使用年限和场强的影响。

FROCs公式参数化人工智能模型和专家的病变水平，显示人工智能模型的假阳性病变平均数量高于放射科医生，灵敏度高于70%。

真实世界数据测试表明，Pi 在检测 GG≥2 的 PCa 方面与 MDT 支持的放射科医生的表现相当，并且能够推广应用于多个站点、不同扫描仪供应商和型号。

参考资料：

[1]Francesco Giganti,Nadia Moreira da Silva,Michael Yeung,et al.AI-powered prostate cancer detection: a multi-centre, multi-scanner validation study.DOI:10.1007/s00330-024-11323-0

撰文 | 梅斯医学

编辑 | 木白

版权说明：梅斯医学（MedSci）是国内领先的医学科研与学术服务平台，致力于医疗质量的改进，为临床实践提供智慧、精准的决策支持，让医生与患者受益。欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。