人工智能模型可以帮助临床医生了解前列腺肿瘤的侵袭性

　　

前列腺癌是男性中第二常见的癌症，在美国每年有近30万人被诊断出患有前列腺癌。为了开发一种一致的估计前列腺癌大小的方法，这可以帮助临床医生更准确地做出明智的治疗决策，麻省总医院布里格姆的研究人员训练并验证了一个基于700多名前列腺癌患者的MRI扫描的人工智能模型。该模型能够识别和划定85%放射学上最具侵袭性的前列腺病变的边缘。根据AI模型估计，体积较大的肿瘤与更高的治疗失败和转移风险相关，而不依赖于通常用于估计这种风险的其他因素。此外，对于接受放射治疗的患者，肿瘤体积在预测转移方面优于传统的风险分层。研究人员认为，该工具可用于帮助临床医生了解肿瘤的侵袭性，为更个性化的治疗计划提供信息，并指导放射治疗。这项研究发表在《放射学》杂志上。

“通过提高我们了解患者癌症侵袭性的能力，从而推荐最佳治疗方案，铝测定肿瘤体积有可能推进前列腺癌患者的精准医疗。”David D. Yan博士。

MRI提高了临床医生诊断前列腺癌的能力，是诊断和治疗的常规部分。虽然人类临床医生可以根据MRI图像估计肿瘤大小，但这些估计有些主观，并且可能因人而异。

为了开发一种更一致的估计肿瘤大小的方法，研究人员根据在一个中心接受治疗的732名前列腺癌患者的MRI图像训练了一个人工智能模型。然后，他们调查了人工智能模型的大小估计是否与诊断后5至10年内的治疗成功有关。

他们表明，人工智能模型能够在患者队列中定位和测量大约85%具有PI-RADS（前列腺成像报告和数据系统）5分的前列腺肿瘤。该评分表明患临床显著前列腺癌的风险非常高。该模型的大小估计也显示了作为预后指标的潜力：通过前列腺特异性抗原（PSA）的血液水平测量，更大的肿瘤与前列腺癌复发或转移的风险更高相关，无论是接受手术治疗还是接受放射治疗的患者。

”人工智能测量本身可以告诉我们一些关于患者结果的额外信息。对于病人来说，这真的可以告诉他们治愈的机会，以及他们的癌症在未来再次发生或转移的可能性。”马丁·金博士。

除了帮助临床医生和患者了解癌症的侵袭性外，人工智能模型还可以通过精确定位肿瘤的病灶区域来帮助指导放射肿瘤学家进行更有针对性的治疗。与目前使用的预测前列腺癌侵袭性的方法相比，这也是一种更快的测试，通常需要两周或更长时间才能得出结果。人工智能检测可能意味着患者可以更快地开始治疗。

癌症研究是布里格姆总医院为患者提供护理的基础支柱。研究，以及该系统在创新、教育和社区参与方面的优势，使布里格姆癌症总院能够为所有人提供综合癌症护理，将健康公平置于支持的中心。我们的愿景是为癌症护理提供全面、综合和研究知情的方法，帮助患者完成从预防和早期检测到治疗和生存的整个护理过程。

展望未来，研究人员计划用一个更大的、多机构的数据集来测试他们的模型。

Yang说：“我们希望通过其他机构和具有不同疾病特征的患者队列来验证我们的发现，以确保这种方法可推广到所有患者。”