AI-based tool aims to optimize MRI use in prostate cancer diagnosis
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) 在前列腺癌的诊断中发挥着越来越重要的作用,可以提高癌症检出率并减少不必要的活检。然而,MRI检查需求的增加导致患者等待时间延长,甚至延误诊断,特别是在医疗资源不足的地区。
为了解决这一问题,研究人员开发了一种名为 ProMT-ML 的机器学习模型,该模型可以根据患者的前列腺特异性抗原 (PSA)、前列腺体积、MRI 病史和体重指数等数据,预测患者出现MRI异常(PI-RADS 评分 ≥ 3)的风险。该模型的最佳AUC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%。ProMT-ML 不仅优于单独使用 PSA 进行预测,还能够帮助临床医生和患者做出更明智的决策,优先考虑高风险患者的 MRI 检查,从而优化 MRI 资源的利用,并避免不必要的活检。通过对模型预测结果的分析,研究人员发现,即使是模型预测为正常MRI的患者,其中约 90% 患有良性或临床意义不大的疾病,表明该模型并不会遗漏患有严重前列腺癌的患者。
该模型的优势在于其使用常规临床信息,无需额外的检查,易于获取和使用。它可以帮助医疗资源有限地区的泌尿科医生快速评估患者的风险,并据此制定合理的 MRI 检查计划。未来,研究团队计划在其他数据集上验证 ProMT-ML 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,并最终将其整合到常规临床实践中。这为前列腺癌的精准诊断和治疗提供了新的方向,也体现了机器学习在医疗领域的巨大潜力。
来源: urologytimes
原文链接:原文
本文由作者按照 CC BY 4.0 进行授权