利用人工智能增强型微超声进行前列腺癌筛查：与传统方法的比较研究
图像与视频处理
2025-05-28 v1 人工智能
计算机视觉与模式识别
摘要
背景与目的：微超声 是一种新型成像模态，在检测临床显著性前列腺癌 方面具有与 MRI 相当的诊断准确性。我们探讨了 micro-US 的 AI 解读是否能在使用 PSA 和直肠指检 (DRE) 的临床筛查方法中表现更优。方法：我们回顾性研究了 145 名接受 micro-US 引导活检的男性（79 名患有 csPCa，66 名未患）。使用自监督卷积自编码器从 2D micro-US 切片中提取深度图像特征。采用五折交叉验证训练随机森林分类器，以在切片级别预测 csPCa。若患者有 88 张或更多连续切片被预测为阳性，则被分类为 csPCa 阳性。将模型性能与使用 PSA、DRE、前列腺体积和年龄的分类器进行比较。主要发现与局限性：基于 AI 的 micro-US 模型和临床筛查模型的 AUROC 分别为 0.871 和 0.753。在固定阈值下，micro-US 模型实现了 92.5% 的敏感性和 68.1% 的特异性，而临床模型显示出 96.2% 的敏感性但仅有 27.3% 的特异性。局限性包括回顾性单中心设计以及缺乏外部验证。结论与临床意义：AI 解读的 micro-US 在保持高敏感性检测 csPCa 的同时提高了特异性。该方法可减少不必要的活检，并作为基于 PSA 筛查的低成本替代方案。患者总结：我们开发了一个 AI 系统来分析前列腺微超声图像。它在检测侵袭性癌症方面优于 PSA 和 DRE，并可能有助于避免不必要的活检。
引用
@article{arxiv.2505.21355,
title = {Prostate Cancer Screening with Artificial Intelligence-Enhanced Micro-Ultrasound: A Comparative Study with Traditional Methods},
author = {Muhammad Imran and Wayne G. Brisbane and Li-Ming Su and Jason P. Joseph and Wei Shao},
journal= {arXiv preprint arXiv:2505.21355},
year = {2025}
}