基于人工智能的工具旨在优化MRI在前列腺癌诊断中的使用

前列腺癌的早期诊断和精准治疗至关重要，而磁共振成像 (MRI) 在前列腺癌的检测中发挥着重要作用。然而，MRI检查需求的增加导致患者等待时间延长，延误了癌症的诊断，尤其在资源不足或农村地区，这个问题更为突出。

为了解决这一挑战，研究人员开发了一种名为ProMT-ML的机器学习模型，该模型可以根据前列腺特异性抗原（PSA）、前列腺体积、MRI病史和体重指数等数据，预测哪些患者能够从MRI扫描中获益，以及哪些患者可以推迟甚至完全放弃扫描。该工具可以提供患者出现异常MRI（PI-RADS评分≥3）风险的个性化评估，帮助临床医生和患者就后续步骤做出明智的决策，优先考虑高风险患者的MRI利用。ProMT-ML模型的最佳曲线下面积为0.750，灵敏度为86%，特异性为42%，阳性预测值为54%，阴性预测值为79%。研究还发现，该模型在预测正常前列腺MRI的患者中，约90%的患者患有良性或临床意义不大的疾病，表明该模型不会遗漏患有严重前列腺癌的患者。

该模型的优势在于使用常规临床信息，无需额外检查，易于获取，并且可以在线使用。这对于医疗资源有限的地区尤为重要，可以帮助医生快速评估患者的风险，并决定是否需要进行MRI检查。未来，研究人员计划在其他数据集上验证该模型的性能，并在实际临床环境中进行前瞻性研究，以进一步优化模型，提高其准确性和临床应用价值。这项研究为前列腺癌的精准诊疗提供了新的思路，有望改善患者预后，提高医疗资源利用效率。

来源: urologytimes

原文链接：原文