多中心真实世界基准：多模态融合深度学习在临床显著性前列腺癌非侵入性诊断中的跨机构泛化研究

《npj Digital Medicine》：Multicentre benchmark of PSMA PET/CT and mpMRI fusion for non-invasive clinically significant prostate cancer diagnosis

摘要

临床显著性前列腺癌（csPCa）对引导穿刺活检和治疗决策具有重要意义，但其非侵入性诊断仍然具有挑战性。PSMA PET/CT在 multiparametric MRI（mpMRI）之外的附加价值，以及多模态融合的最优策略，目前尚不明确。我们建立了一个基于真实世界的多中心基准，使用来自三家医院的527名患者，所有患者均具备完整的PSMA PET、CT、T2加权MRI和扩散加权成像（DWI），以及经病理学确认的活检标签。模型在一个中心（n?=?363）开发，并在两个外部中心（n?=?164）进行独立评估。我们比较了冻结的预训练编码器、微调的2D和3D CNN及视觉Transformer模型、三种融合策略，以及一个可解释的跨模态Transformer。PSMA PET提供了最大的附加价值，其移除导致内部AUC最大降幅（?0.077）和外部AUC降幅（?0.055），并获得了最高的注意力归因（αPET?=?0.45）。PSMA PET/CT在外部评估中也优于mpMRI（AUC 0.753对0.653）。DWI是域偏移的主要来源，由于中心间b值异质性，排除DWI使外部AUC提高了0.079。中间融合在内部表现最一致，而晚期融合和预训练2D模型在外部泛化能力更好。该基准通过识别能够跨机构可靠泛化的模态和融合策略，支持了稳健的非侵入性csPCa诊断。