用于前列腺癌检测的多模态MRI-超声AI优于放射科医生MRI解读：一项多中心研究
图像与视频处理
2025-02-04 v1 人工智能
计算机视觉与模式识别
摘要
活检前磁共振成像（MRI）越来越多地被用于定位可疑前列腺病变。这催生了人工智能（AI）应用，改善了基于MRI的临床显著性前列腺癌（CsPCa）检测。然而，在活检过程中，MRI检测到的病变仍需映射到经直肠超声（TRUS）图像上，这会导致遗漏CsPCa。本研究系统评估了一个整合MRI和TRUS图像序列以增强CsPCa识别的多模态AI框架。该研究纳入了来自两个机构三个队列的3110名接受前列腺活检的患者。所提出的框架基于3D UNet架构，在1700个测试用例上进行了评估，并将其性能与仅使用MRI或TRUS的单模态AI模型进行了比较。此外，在一个包含110名患者的队列中，将该模型与放射科医生进行了比较。与单模态MRI（73%，30%）和TRUS模型（49%，27%）相比，多模态AI方法实现了更高的灵敏度（80%）和病灶Dice系数（42%）。与放射科医生相比，多模态模型显示出更高的特异性（88% vs. 78%）和病灶Dice系数（38% vs. 33%），且灵敏度相当（79%）。我们的发现证明了多模态AI在改善活检和治疗计划期间CsPCa病灶定位方面的潜力，超越了当前的单模态模型和放射科医生；最终改善前列腺癌患者的预后。
引用
@article{arxiv.2502.00146,
title = {Multimodal MRI-Ultrasound AI for Prostate Cancer Detection Outperforms Radiologist MRI Interpretation: A Multi-Center Study},
author = {Hassan Jahanandish and Shengtian Sang and Cynthia Xinran Li and Sulaiman Vesal and Indrani Bhattacharya and Jeong Hoon Lee and Richard Fan and Geoffrey A. Sonna and Mirabela Rusu},
journal= {arXiv preprint arXiv:2502.00146},
year = {2025}
}