编辑推荐：
前列腺 MRI 对诊断前列腺癌意义重大，但诊断准确性受多种因素影响。为提升诊断性能，研究人员开展了 AI 辅助与传统前列腺多参数 MRI（mpMRI）图像解读对比研究。结果显示 AI 辅助可显著提升诊断效能，这为前列腺癌诊断提供了新助力。
在医学领域，前列腺癌是男性常见的恶性肿瘤之一。准确检测前列腺癌病灶对于患者的治疗和预后至关重要。前列腺多参数磁共振成像（mpMRI）作为一种重要的检测手段，在临床中广泛应用。然而，目前前列腺 MRI 的阳性预测值在不同成像中心差异较大。这主要是因为其诊断性能不仅受图像质量影响，放射科医生的经验也起着关键作用。为了提高诊断的准确性，临床通常遵循前列腺影像报告和数据系统（PI-RADS v2.1）框架，但这仍不能完全解决问题。于是，研究人员想到将人工智能（AI）引入前列腺 MRI 的临床成像工作流程，希望借此提升诊断效率和准确性。
美国东北部一家三级医疗中心的研究人员开展了相关研究。他们进行了一项回顾性研究，选取了 53 例连续接受前列腺 mpMRI 检查，并随后进行前列腺组织采样的患者。由两名获得委员会认证的放射科医生（分别拥有 4 年和 12 年经验），在不知情临床信息的情况下，分别基于 PI-RADS v2.1 框架，对匿名检查结果进行有无 AI 辅助的解读。研究中使用的 AI 软件工具能提供腺体分割和自动病灶检测，并给出存在临床意义前列腺癌（csPCa）可能性的概率评分。最终，该研究发表在《Clinical Imaging》上。
在研究方法上，研究人员主要采用了回顾性分析患者病例数据的方法。样本来自 2022 年 2 月至 3 月期间连续接受前列腺 mpMRI 检查且后续进行了靶向和 / 或系统前列腺活检的 53 例患者。两名放射科医生独立评估影像，在有 AI 辅助和无 AI 辅助两种情况下进行诊断，最后将诊断结果与前列腺病理活检结果（作为参考标准）进行对比分析 。
下面来看研究结果：
- 患者队列特征：在 53 例患者的整个队列中，患者平均年龄为 67 岁，中位前列腺特异性抗原（PSA）为 5.8 ng/mL，中位 PSA 密度为 0.13 ng/mL2。其中，42 例（79%）患者患有 Gleason 阳性疾病，17 例（32%）为 1 级疾病，25 例（47%）患有临床意义前列腺癌（国际泌尿病理学会分级组≥2，即 ISUP GG ≥2）。
- AI 辅助提升诊断性能：对于 csPCa 的诊断，放射科医生在 AI 辅助下的诊断性能显著优于传统解读方式。以受试者工作特征曲线下面积（AUC）衡量，读者 A 在 AI 辅助下 AUC 为 0.82，传统解读时为 0.72（p = 0.03）；读者 B 在 AI 辅助下 AUC 为 0.78，传统解读时为 0.69（p = 0.03）。
- 对病灶评分一致性的影响：在病灶层面特征评分上，无 AI 辅助时，81%（n = 36；95% 置信区间：0.89 - 0.91）的病灶在两名放射科医生间评分相似；有 AI 辅助时，这一比例为 59%（26，0.82 - 0.89）。此外，读者 A 在 AI 辅助和非辅助评估之间的 PI-RADS 评分存在显著差异（p = 0.02），读者 B 则未检测到显著差异。
从研究结论和讨论部分来看，AI 辅助前列腺 mpMRI 解读可提高放射科医生的诊断性能，且这一提升与读者经验无关。这一成果意义重大，AI 辅助病灶检测为放射科医生解读前列腺 MRI 提供了额外的诊断支持，尤其在检查量不断增加的情况下，有助于提高临床效率，还能帮助经验不足的普通放射科医生提升诊断准确性。不过，要将 AI 辅助病灶检测工具更好地融入临床工作流程，还需要确保 AI 工具的透明度，在多个患者群体中进行测试，并进行深入思考和规划 。总的来说，这项研究为前列腺癌的诊断提供了新的思路和方法，推动了 AI 技术在医学领域的应用和发展，有望改善前列腺癌患者的诊断和治疗现状。
