文献速递泌尿生殖US

基于多参数经直肠超声的人工智能模型通过模拟靶向活检定位临床显著前列腺癌的评估

Evaluation of an artificial intelligence model based on multiparametric transrectal ultrasound for localizing clinically significant prostate cancer by simulation of targeted biopsies.
PubMed 文献 · Eur Radiol · 2025-11-06

回顾性验证基于三维多参数经直肠超声的人工智能模型,通过模拟靶向活检在内部(250例)和外部(77例)队列评估患者水平诊断性能。内部队列对ISUP≥2的敏感度为0.82、特异度为0.43;外部队列敏感度为0.81、特异度为0.42。模型性能与体素水平结果相当,支持开展前瞻性临床试验。

要点

  • 模拟靶向活检显示,模型对ISUP≥2的敏感度内部0.82、外部0.81,特异度内部0.43、外部0.42。
  • 对ISUP≥3的敏感度内部0.90、外部0.96,特异度内部0.39、外部0.42。
  • 外部评估性能与内部一致,提示模型泛化性较好,但特异度有待提高。

核心结论

  • 基于三维多参数经直肠超声的人工智能模型在模拟靶向活检中检测临床显著前列腺癌表现出稳健性能。
  • 内部与外部评估的患者水平性能一致,与体素水平分析结果相当,提示性能可转化至临床实践。
  • 需要前瞻性临床评估进一步研究诊断准确性并与MRI比较。

研究设计与样本

  • 回顾性研究,验证基于三维多参数经直肠超声的人工智能模型对临床显著前列腺癌的患者水平诊断性能(NCT04605276)。
  • 内部评估采用训练队列内交叉验证,纳入250例;外部评估纳入未参与模型开发的77例,共327例。
  • 纳入临床显著前列腺癌(Grade Group≥2且计划行根治性前列腺切除术)患者和无临床显著前列腺癌(PI-RADS≤2和/或系统活检阴性)患者。
  • 以根治性前列腺切除术标本的组织病理学为临床显著前列腺癌参考标准。
  • 三维多参数经直肠超声包括灰阶、超声造影和剪切波弹性成像,采用自动采集。

诊断标准与关键数值

  • 内部评估250例,对ISUP≥2的敏感度为0.82(95%CI 0.75-0.87),特异度为0.43(95%CI 0.32-0.55)。
  • 内部评估对ISUP≥3的敏感度为0.90(95%CI 0.83-0.95),特异度为0.39(95%CI 0.31-0.47)。
  • 外部评估77例,对ISUP≥2的敏感度为0.81(95%CI 0.65-0.90),特异度为0.42(95%CI 0.28-0.57)。
  • 外部评估对ISUP≥3的敏感度为0.96(95%CI 0.78-0.99),特异度为0.42(95%CI 0.30-0.55)。
  • 模拟活检中,选取热图上自动预测的≥0.07 cc病灶中最大的两个进行模拟活检,活检概率超过0.5判为真阳性。

临床应用与阅片要点

  • 模型处理多参数超声图像生成热图,突出感兴趣区域以引导靶向活检。
  • 体素水平性能不能直接假定等同于临床实践性能,单次假阳性预测即可将整个患者判为误分类。
  • 本模型特异度与Drost等Meta分析中MRI的特异度0.37相当,但作者认为模型特异度仍需进一步提高以增强临床实用性。
  • 作者认为基于多参数超声联合人工智能模型的影像路径可能作为MRI的替代或补充用于诊断临床显著前列腺癌,降低费用并改善临床流程。

局限性

  • 数据集按设计不能准确代表活检前人群,临床显著前列腺癌患病率为70%,影响所有诊断性能指标。
  • 模型诊断性能基于模拟,可能不能完全代表临床实践中的性能;真实实践中靶向不准确和图像配准差异等额外误差可负面影响活检准确性。
  • 未对模拟结果与体素水平结果进行统计学比较,因评估方法差异较大。
  • 内部与外部队列存在不平衡,最明显的是PI-RADS分类分布差异,可能影响诊断性能。
  • 原始数据集因图像质量严格训练要求等原因排除率较高,且根治性前列腺切除术病理与活检病理可能不一致,可能影响模型在临床实践中的性能。
全文中译10 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2025 Nov 6;36(4):3043–9. doi: 10.1007/s00330-025-12114-x

引言

目前原发性前列腺癌(PCa)的诊断方法依赖于MRI,并在有指征时进行靶向前列腺穿刺活检(TBx)。MRI的引入已证明可改善活检前的患者选择,从而减少无临床意义前列腺癌(isPCa)的检出并提高有临床意义前列腺癌(csPCa)的检出[1–3]。然而,MRI存在若干局限性,涉及诊断准确性、观察者间变异性、可及性和成本[4]。超声(US)成像的最新进展,如多参数超声(mpUS)和微超声,已显示出有前景的诊断性能,可能提供一种有价值的替代方案[5–9];然而,缺乏标准化的图像采集和判读限制了临床实施[10–12]。这一挑战可通过自动化判读来克服,即由人工智能(AI)模型驱动的计算机辅助诊断(CAD)系统提供[13]。

最近,我们基于mpUS的csPCa AI模型在体素(0.753 mm³)水平评估时显示出有前景的诊断性能(AUROC为0.87)[14, 15]。然而,在体素水平评估中表现良好的AI模型并不一定能在基于临床TBx操作时转化为等效的准确性,原因包括操作变异性、采样误差或模型与实际肿瘤之间的空间差异等[16, 17]。由于该模型最终旨在指导前列腺穿刺活检操作[18],我们旨在也在患者水平验证其性能。该模型处理mpUS图像并生成热图,突出显示用于靶向活检的兴趣区域。本研究的目的是在内部和外部队列中对mpUS AI模型检测csPCa进行患者水平评估,通过模拟TBx性能并与体素水平性能进行比较。模拟活检提供了一种受控手段来估计AI模型的临床性能,并确定该模型是否适合进行前瞻性临床评估。

材料与方法

设计与研究人群

这是一项回顾性研究,旨在验证基于3D mpUS的AI模型检测csPCa的患者水平诊断性能(NCT04605276)。评估分两个阶段进行:在训练队列内使用交叉验证进行内部评估,以及对未参与模型开发的患者进行外部评估(图1)。这些队列的选择基于训练因性能饱和而停止的时间点。然而,训练过程本身不属于本研究的一部分。

研究人群包括符合以下任一条件的男性:(1)经活检证实为csPCa并计划接受根治性前列腺切除术(RP),或(2)MRI阴性(PI-RADS ≤ 2)或前列腺活检阴性。训练、纳入/排除标准、采集和参考标准的详细描述见方案和补充材料[10]。所有患者均提供了书面知情同意书,同意在开发阶段使用其数据并纳入本回顾性评估研究。

图1 内部和外部验证的纳入和排除流程图。* 分组选择基于纳入时间。在AI模型训练完成之前入组的患者被用于训练过程,因此纳入内部评估队列。在训练达到体素水平的性能饱和后,所有随后纳入的患者——他们对模型开发没有影响——被分配到外部评估队列 查看原图 ↗

模拟活检程序

我们基于模型的热图模拟TBx,以估计模型在真实世界临床环境中的潜在性能(图2)。首先,我们从热图中识别出自动预测的≥ 0.07 cc的病灶,并选择最大的两个进行模拟活检。为简化模拟,我们假设活检针以直线路径穿过前列腺,如同使用近距离放射治疗网格进行的经会阴活检。这使我们能够通过将预测病灶和实际病灶投影到单个2D活检平面上,将分析简化为二维。该平面显示前列腺的横断面视图,并垂直于针的方向。最后,我们通过计算预测病灶与源自全前列腺组织学的参考标准病灶在2D平面上的重叠来计算阳性活检的概率。如果概率超过0.5,则活检被认为是真阳性。AI模型在无csPCa的患者中检测到的任何病灶均被归类为假阳性。

图2 模拟靶向活检程序。3D,三维;2D,二维;AI,人工智能 查看原图 ↗

准确性测量结局和统计分析

主要结局是AI模型的模拟诊断性能,由内部(交叉)和外部评估确定。患者层面的诊断性能通过计算灵敏度、特异度、阳性预测值(PPV)和阴性预测值(NPV)进行评估。描述性分析使用STATA(版本16)进行。非正态分布数据以中位数和四分位距(IQR)表示。

结果

共纳入327例患者验证AI模型,其中250例在内部评估队列中进行交叉验证,77例在外部评估队列中(表1)。在内部队列中,28%的患者PI-RADS ≤ 2,5.2%为PI-RADS 3,67%为PI-RADS 4–5。在外部队列中,53%为PI-RADS ≤ 2,2.6%为PI-RADS 3,44%为PI-RADS 4–5。

表1 临床病理特征(n = 327) 查看原表 ↗

内部队列

对250例患者进行了内部评估,其中177例(71%)患者在RP时ISUP ≥ 2,73例患者(30%)未行RP。基于mpUS的AI算法的模拟活检对ISUP ≥ 2(n = 175)的灵敏度为0.82(95% CI 0.75至0.87),特异度为0.43(CI 0.32–0.55)(表2)。

PPV和NPV分别为0.76(CI 0.72–0.80)和0.52(CI 0.42–0.62)。对于ISUP ≥ 3(n = 93),灵敏度为0.90(CI 0.83–0.95),特异度为0.39(CI 0.31–0.47)。相应的阳性PPV和NPV分别为0.55(CI 0.51–0.58)和0.83(CI 0.72–0.90)。

表2 灵敏度性能比较(a);特异度性能比较(b);预测值(c) 查看原表 ↗

外部队列

外部评估在77例患者中进行,其中35例(45%)在RP时ISUP ≥ 2,42例患者(55%)未行RP。在该外部评估中,AI算法检测ISUP ≥ 2的敏感度为0.81(CI 0.65–0.90),特异度为0.42(CI 0.28–0.57)(表2)。PPV和NPV分别为0.55(CI 0.42–0.67)和0.71(CI 0.51–0.85)。对于ISUP ≥ 3(n = 22),敏感度为0.96(CI 0.78–0.99),特异度为0.42(CI 0.30–0.55)。PPV和NPV分别为0.40(CI 0.28–0.53)和0.96(CI 0.80–0.99)。

讨论

本研究旨在评估mpUS AI模型检测csPCa的临床诊断性能。为此,我们进行了模拟靶向活检,由模型生成的热图指导,以指示可疑病灶。该模型在内部和外部评估环境中检测csPCa均表现出一致的模拟诊断性能。

我们在内部评估队列中发现检测ISUP ≥ 2的敏感度为0.82(CI 0.75–0.87),这与基于体素的结果(0.79)相当。特异度低于基于体素的结果(0.78),为0.43(CI 0.32–0.55)。在体素分析中,假阳性体素被稀释在数百万个体素中,使其影响最小化。相比之下,在活检模拟中,单个假阳性AI预测会将整个患者错误分类。这凸显了这种临床相关评估方式的重要性,强调不能假定基于体素的模型的性能会直接转化为临床实践中的等效性能。在中高危病例(ISUP ≥ 3)中,几乎所有患者(90%)均被模型检出。然而,ISUP 2的检出率较低,仅识别出70%(59/85)的病例。这可能是因为我们的ISUP 2肿瘤体积相对较小,且AI模型的特征在这些相对低级别肿瘤中的区分度较低。此外,目前正在讨论漏诊ISUP 2肿瘤对生存的长期影响,因为这些肿瘤根据PSA和临床分期,通常可归类为 favorable to intermediate risk,并可能适合保守管理[19]。至于阴性患者,内部和外部评估均显示特异度相对较低,表明良性或isPCa发现率较高,因此进行了不必要的活检。该特异度与MRI相当,如Drost等的meta分析所述(特异度为0.37)[20]。尽管如此,无论与MRI的相似性如何,我们模型的特异度仍需进一步改进以提高其临床实用性。

外部评估在所有ISUP分级组中均显示出稳健的结果,与内部评估队列中观察到的结果高度一致。这种一致性凸显了模型在特异性和敏感性方面具有很强的泛化能力。有趣的是,外部评估中的敏感性甚至略有提高。这种改善可以用以下事实来解释:外部患者队列中高级别肿瘤的比例更高,而这类肿瘤通常更容易被检出。尽管如此,该外部评估的患者数量较少,结果应谨慎解读。内部和外部评估中的PPV和NPV均令人满意。然而,必须认识到PPV和NPV是依赖患病率的指标。鉴于我们的队列在设计时为了训练目的而人为设置了较高的PCa患病率,这些结果应谨慎解读。

使用mpUS结合AI模型的影像学路径有可能作为MRI的替代或补充手段用于诊断csPCa,从而降低成本并改善临床工作流程。此前一项前瞻性研究仅基于超声造影与MRI比较PCa检出率,已显示出相当的敏感性,尽管特异性较低[8]。此外,该研究未使用自动采集,仅获取了二维图像,且图像分析中未使用AI模型。所有这些局限性现在已通过自动三维采集和AI驱动的判读得到解决,从而提高了mpUS路径的泛化性和临床适用性。当前研究无法与MRI进行直接比较,因为大多数患者的初步诊断基于MRI和MRI靶向活检,这引入了有利于MRI的偏倚。目前正在进行的头对头试验将直接评估mpUS路径与MRI相比的性能,以评价其在新诊断路径中的价值[21]。此外,未来研究应纳入正式的健康经济学评估,以比较mpUS路径与mpMRI的成本。

本研究存在需要考虑的局限性。按照设计,该数据集并不能准确代表活检前人群,因为其临床显著前列腺癌(csPCa)患病率为70%。这一升高的患病率会影响所有诊断性能指标。然而,这一局限性并不削弱该算法在外部队列患者群体中的整体稳健性。尽管AI模型的诊断性能令人满意地高,但这仍基于模拟,可能无法完全代表其在临床实践中的表现。在真实世界实践中,额外的误差来源,如靶向不准确和图像配准差异,可能对活检准确性产生负面影响。此外,我们未对模拟结果与基于体素的结果进行统计学比较,因为用于评估性能的方法差异很大。然而,由于队列相同,我们可以对两种性能进行准确估计。我们观察到内部队列与外部队列之间存在不平衡,最显著的是PI-RADS分类的分布。这些差异反映了训练阶段的结果,该阶段在模型性能饱和后即结束,而非通过有意选择。这种不平衡可能影响了诊断性能,在解释结果时应予以考虑。必须承认,患者因多种原因被排除在原始数据集之外。相对较高的排除率在很大程度上可归因于对图像质量的严格训练要求,遵循“垃圾进,垃圾出”的原则[22]。此外,评估需要完整的数据集,而训练可以在mpUS图像的不同部分上进行。

此外,既往研究表明,根治性前列腺切除术(RP)病理可能并不总是与活检病理一致,这可能影响模型在临床实践中的性能[23]。尽管如此,本研究中的稳健性能值得对该模型进行临床和前瞻性评估。承认我们的结果仍有改进空间,为进一步优化诊断性能的开发仍在进行中,以充分利用AI在医学影像中的潜力(NCT06935487)。

结论

基于mpUS AI模型的模拟靶向活检操作在检测csPCa方面显示出稳健的结果。这些结果与基于体素的结果相当,并表明性能可转化至临床实践。有必要进行前瞻性临床评估,以进一步研究诊断准确性并将其与MRI进行比较。

补充信息

电子补充材料

引用

  1. van den Kroonenberg DL, Delberghe F, Jager A, et al. Evaluation of an artificial intelligence model based on multiparametric transrectal ultrasound for localizing clinically significant prostate cancer by simulation of targeted biopsies. Eur Radiol. 2025. PMID: 41196365. doi:10.1007/s00330-025-12114-x
  2. 全文:PMC13035562(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13035562/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。