基于人工智能算法的前列腺癌诊断：精准检测与风险分层的新突破

为解决前列腺癌诊断中检测和分类的难题，研究人员开展了 “诊断性能的全自动人工智能算法在疑似前列腺癌患者病变检测和 PI-RADS 分类中的应用” 研究。结果显示该 AI 算法可靠且稳健，能精准分层风险，对临床诊断意义重大。

　　前列腺癌作为全球男性中常见的恶性肿瘤，严重威胁着男性的健康。在前列腺癌的诊断过程中，多参数磁共振成像（mpMRI）是重要的影像学工具，已被纳入国际指南，可用于未进行过活检却疑似患癌、活检结果为阴性但仍高度怀疑患癌以及在进行主动监测前对患者进行风险分层等情况。然而，随着对该检查需求的快速增长，有限的扫描能力难以满足，且人工读片存在效率低、不同医生之间差异大等问题 。

为了应对这些挑战，来自德国弗莱堡大学医学中心等机构的研究人员开展了相关研究。他们旨在评估一种全自动的、商业化的人工智能（AI）算法在检测前列腺癌和根据前列腺影像报告和数据系统（PI-RADS）对病变进行分类方面的诊断性能。该研究成果发表在《La radiologia medica》上。

研究人员采用回顾性单中心队列研究，选取 2017 年 5 月至 2020 年 5 月期间接受 3T 磁共振成像检查的疑似前列腺癌患者。这些患者均进行了经会阴超声融合引导活检和广泛系统活检，以此作为组织病理学的金标准。在研究中，主要运用了以下关键技术方法：首先，使用 3T MRI 扫描仪按照 PI-RADSv2.1 协议进行扫描，获取相关影像数据；其次，利用 AI 驱动的商业软件（syngo.via MR Prostate, VB60S HF01, Siemens Healthineers）对前列腺病变进行自动检测、分割和分类；最后，通过一系列数据分析方法，如受试者工作特征（ROC）分析、加权 Cohen's Kappa 等，对比 AI 算法与人类阅片者的诊断结果。

研究结果如下：

1. 研究人群特征：272 例患者的中位年龄为 66 岁，活检前平均前列腺特异性抗原（PSA）为 11.1ng/ml ，AI 算法分割的平均前列腺体积为 57ml。共分析出 436 个经组织病理学验证的目标病变，平均活检核心数为 34.4 个，每个目标病变的平均活检核心数为 2.7 个12。
2. 患者层面分析：135 例（49.6%）患者患有临床显著性前列腺癌（sPCa，国际泌尿病理学会（ISUP）分级≥2 ），35 例（12.9%）患有临床非显著性前列腺癌（iPCa，ISUP =1），102 例（37.5%）为良性。对于 PI-RADS≥4 的情况，AI 的准确率显著高于人类阅片者（74% vs 63%，p<0.01）；对于 PI-RADS>3 的情况同样如此（70% vs 52%，p<0.01）。此外，AI 将 62 例人类阅片 PI-RADS≥3 的患者正确分类为真阴性34。
3. 病变层面分析：在 PI-RADS 4 和 PI-RADS 5 时，AI 和人类阅片的 sPCa 癌症检测率（CDR）存在显著差异 。以 PI-RADS≥4 为阈值，AI 的敏感度为 79.0%，特异性为 74.7%，总体准确率为 76.2%；人类阅片的敏感度为 94.4%，特异性为 37.5%，总体准确率为 56.2%56。

在结论和讨论部分，AI 读片在检测 sPCa 方面表现出稳健的结果。虽然在某些阈值下，AI 的敏感度略低于人类阅片，但在特异性、总体诊断准确率和阳性预测值（PPV）方面优于人类阅片。该 AI 算法的癌症检测率和 PI-RADS 分类评估与当前荟萃分析结果一致，表明其能进行精确的风险分层。此外，AI 算法可将部分人类阅片 PI-RADS≥3 的患者正确分类为真阴性，有助于减少不必要的活检。不过，该研究也存在局限性，如回顾性和单中心设计、队列存在选择偏倚、样本量不足等。未来还需前瞻性、多中心的大规模试验进一步验证和拓展研究成果。但总体而言，在等待进一步验证的过程中，该算法已显示出可与人工阅片一起应用于临床常规工作流程的潜力，有望提高诊断效率并为阅片者提供辅助支持。