基于三维多参数经直肠超声的人工智能模型定位临床显著前列腺癌的靶向活检模拟评估

《European Radiology》：Evaluation of an artificial intelligence model based on multiparametric transrectal ultrasound for localizing clinically significant prostate cancer by simulation of targeted biopsies

本研究针对前列腺癌诊断中MRI依赖性强、可及性受限等问题，开发了一种基于三维多参数超声（3D mpUS）的人工智能模型，通过模拟靶向活检验证其临床适用性。结果表明，该模型在内部与外部验证中均保持高敏感性（ISUP≥2：0.82/0.81；ISUP≥3：0.90/0.96），特异性约0.42，性能与体素级分析一致，展现了强泛化能力，为MRI替代方案提供了技术支撑。

　　

前列腺癌作为男性高发肿瘤，其诊断长期依赖多参数磁共振成像（MRI）引导的靶向活检。尽管MRI显著提升了临床显著前列腺癌（csPCa）的检出率，但其应用仍面临诸多挑战：诊断准确性受限于操作者经验、医疗资源分布不均、成本高昂，且存在显着的观察者间差异。此外，超声等替代技术虽具潜力，却因图像解读缺乏标准化而难以推广。这些瓶颈催生了对自动化、可及性更高的诊断工具的需求。

在此背景下，阿姆斯特丹大学医学中心Daniel L. van den Kroonenberg团队联合多机构开发了一种基于三维多参数经直肠超声（3D mpUS）的人工智能模型，旨在通过自动化分析突破超声诊断的局限。该研究发表于《European Radiology》，创新性地通过模拟靶向活检评估模型在患者层面的诊断效能，为AI技术从算法训练向临床转化提供了关键验证。

研究采用回顾性多中心设计，纳入327例患者（内部验证250例，外部验证77例），涵盖csPCa（ISUP分级≥2）与非csPCa人群。3D mpUS数据包涵灰度超声、对比增强超声（CEUS）及剪切波弹性成像，通过自动化采集确保一致性。AI模型基于前期体素级训练（AUROC 0.87）生成癌灶热力图，并模拟临床活检流程：从热力图最高可疑区域提取虚拟活检核心，以根治性前列腺切除术（RP）病理为金标准，计算患者水平的诊断指标。

内部验证队列结果

对于ISUP≥2的csPCa，模拟活检敏感性达0.82（95% CI 0.75–0.87），特异性为0.43（0.32–0.55）；对ISUP≥3的高级别肿瘤，敏感性提升至0.90（0.83–0.95），特异性为0.39（0.31–0.47）。阳性预测值（PPV）与阴性预测值（NPV）分别为0.76/0.52（ISUP≥2）和0.55/0.83（ISUP≥3）。

外部验证队列结果

在独立患者队列中，模型对ISUP≥2的敏感性为0.81（0.65–0.90），特异性0.42（0.28–0.57）；对ISUP≥3的敏感性高达0.96（0.78–0.99），特异性0.42（0.30–0.55）。PPV与NPV分别为0.55/0.71（ISUP≥2）和0.40/0.96（ISUP≥3）。

结果表明，AI模型在患者层面保持了与体素级分析相当的敏感性，但特异性较低。作者指出，体素分析中假阳性信号可被大量正常体素稀释，而活检模拟中单次假阳性即导致患者误判，凸显了临床评估的必要性。模型对高级别肿瘤检出率优异（ISUP≥3敏感性＞90%），但对ISUP 2级肿瘤的敏感性仅70%，可能与这类肿瘤体积较小、影像特征不显著有关。值得注意的是，特异性水平与MRI文献报道相近（如Drost荟萃分析中MRI特异性为0.37），提示模型在避免过度活检方面与现有技术存在类似局限。

研究局限性包括样本代表性偏差（csPCa患病率高达70%）、模拟环境与真实操作的差异（如靶向误差），以及内外部队列PI-RADS分布不均衡。然而，模型在独立验证中的稳健性能支持其推进至前瞻性临床试验。目前，头对头比较3D mpUS与MRI诊断效能的研究（如NCT06935487）正在进行中，未来需结合卫生经济学评估进一步明确其临床价值。

结论认为，基于3D mpUS的AI模型通过模拟活检验证了其在csPCa检测中的泛化能力，为替代或辅助MRI提供了技术依据。这一成果标志着超声驱动的前列癌诊断路径向标准化、自动化迈出关键一步，有望在资源受限场景中提升诊疗可及性。