ESUR/ESUI立场文件:利用MRI开发人工智能以实现前列腺癌精准诊断
该立场文件由ESUR与ESUI前列腺MRI工作组制定,阐述将人工智能用于MRI前列腺癌诊断所需的前提条件与构建模块。文章指出当前AI系统多为实验性单中心研究,需先作为放射科诊断支持工具融入工作流程,再经多中心多厂商验证方可成为临床决策工具。
要点
- AI系统应确保在避免活检的主要获益下,在不同疾病患病率范围内维持一致的高特异度。
- 初期AI应定位为诊断支持工具,整合腺体与靶病灶勾画任务以支持融合活检。
- AI从放射诊断支持工具转为临床决策工具需针对临床有效终点进行严格验证。
核心结论
- AI系统须在避免活检的获益下保持不同患病率范围内一致的高特异度,当前所有前列腺癌检测AI均为实验性,仍需多项开发努力。
- 初期工作应聚焦于将AI开发为诊断支持工具,使结果可整合进放射科医生工作流程,包括腺体与靶病灶勾画以支持融合活检。
- 将AI开发为临床决策工具需更大规模的多中心多厂商数据集,并考虑诊断设置、疾病患病率、患者偏好和临床环境的分层需求。
- 基于AI的稳健标准操作规程将提升患者与支付方信心,从而促进MRI导向前列腺癌诊断路径的更广泛采用。
研究设计与样本
- 本文为ESUR与EAU下属ESUI前列腺MRI工作组制定的立场文件(白皮书),反映工作组观点,未报告系统检索方法与证据分级。
- 文章引用Oxford Cochrane综述指出MRI路径(MRI±MRI导向活检)较系统活检具有更优诊断特性,并被多部国家与国际指南采纳。
- 文章引用对2012至2019年超过31,000项研究的分析,其中仅82项允许有意义的比较并具备与医学专业人员的端到端验证。
- 文章提及单一机构/单一厂商的ProstateX数据集是朝多中心多厂商方向迈出的重要一步,并提到隐藏测试数据概念可用于客观评估网络性能。
诊断标准与关键数值
- 在活检初治男性中,MRI路径的主要获益为减少需活检人数、减少诊断所需活检针数及降低惰性癌检出率;既往活检阴性者额外获益为增加临床显著癌诊断。
- 在西方二次筛查人群中,ISUP 2–5级前列腺癌的患病率约为30–50%,多数AI系统在此患病率下训练,其性能由此调校。
- Schelb等报告的基于bpMRI开发的AI系统成功以约50%的高假阳性率为代价,且当试图降低假阳性率时AI系统敏感度迅速下降。
- 在4M数据亚组分析中,评估单平面bpMRI时不确定类别增加了70%。
- PI-RADS评分已针对临床活检决策获得验证,基于bpMRI序列预测PI-RADS类别评分的深度学习开发需谨慎对待。
临床应用与阅片要点
- AI结果应整合进放射科医生工作流程,包括腺体和靶病灶勾画任务以支持融合活检,而非直接替代临床决策。
- 阅片时应警惕仅用轴位单平面bpMRI评估可能引入的错误传播,因其不确定类别可增加70%,可能使预期活检获益无法实现。
- 对基于bpMRI预测PI-RADS评分的深度学习工具应保持谨慎,因其通过mpMRI的PI-RADS评分系统进行间接验证,尚需进一步验证。
- 应注意不同患者群体对假阳性结果的耐受度不同:活检初治及低背景风险筛查男性对假阳性耐受低,而既往活检阴性持续怀疑者耐受较高。
- 现有AI数据集常排除部分患者群体,被排除群体在该适应症上应被视为「黑箱」,存在严重安全风险。
局限性
- 当前大多数AI系统处于单中心早期开发阶段,用户界面有限、未整合进临床工作流程,且未经过临床使用验证。
- 前列腺MRI扫描的数字标注在临床实践中很少进行,临床常规中也不进行全腺体取材的组织病理学对照验证。
- 单平面bpMRI尚未经过像多参数多平面MRI那样严格的临床验证以指导前列腺活检。
- DCE成像在各机构间序列/采集参数和团注时间差异很大,给基于图像分析工具的标准化和可重复性带来挑战。
- 目前涉及医学影像AI的研究很少以标准化和可比较的方式进行,多数缺乏多中心多厂商前瞻性验证。
全文中译27 节 · 点击展开
引言
近年来,出现了高水平证据支持将MRI用于前列腺癌检测,既适用于未接受过活检的患者,也适用于既往活检结果阴性但持续存在怀疑的男性。在牛津Cochrane综述[1]中,发现MRI路径(MRI ± MRI引导下活检)与系统活检方法相比具有更有利的诊断特性。
MRI引导路径已被多个国家和国际前列腺癌诊断指南所接受。用于多参数MRI(mpMRI)评估和报告的前列腺影像报告和数据系统(PI-RADS)标准[2]也已被纳入多个指南,以指导活检的实施[3–5]。因此,全球范围内对用于诊断的MRI以及受MRI影响的引导活检的需求正在增加。
MRI路径在未接受过活检的男性中的主要益处包括:减少需要活检的男性数量、减少用于做出诊断的活检针数[6],以及降低惰性癌症的检出率。在既往活检结果阴性的患者中,临床显著癌症诊断率的提高是一项额外益处[7]。此外,来自随机研究的数据不断积累,显示未接受过活检的男性中临床显著癌症的诊断得到改善[8, 9]。在MRI结果阳性的男性中,临床显著癌症诊断的改善受制于更高的变异性,假阳性率较高[10]。
诊断益处的实现高度依赖于阅片者的高水平专业知识[11]。具有良好图像的专家阅片者能做出更准确的诊断,不确定性更小。高水平专业知识还使得能够采用避免对比剂注射的MRI方法(双参数MRI;bpMRI)[12–14],这有助于以更低成本提高患者流通量。高阅片者专业知识还能最大限度地减少MRI怀疑类别内临床显著癌症检出率的变异[15],从而提高MRI结果用于临床决策的均匀性和可靠性。此外,专家阅片者不确定诊断的百分比更低。然而,公认的是,放射科医生在前列腺MRI判读方面也存在陡峭的学习曲线。
越来越多的人呼吁通过多学科团队的有效运作,实现MRI引导诊断链的高端端到端质量。由于对放射科医生时间的需求不断增加,以及劳动力未完全接受过以高标准判读前列腺MRI的培训,利用MRI引导路径提供高质量的患者护理具有挑战性。对目标病灶的高质量勾画对于指导MRI引导下活检和后续治疗规划至关重要。然而,活检靶点的检测和活检准备所需的勾画都是耗时的任务,在许多实践中未获得报销。
为了发挥MRI路径的优势,迫切需要高效工作,同时尽量减少MRI数据采集、图像质量、图像解读方面的差异,并减少识别可能或不太可能患有临床显著癌症的男性所需的诊断步骤数量[7]。相应地,还需要通过确定最可疑区域进行采样来控制MRI引导下活检程序的质量[16, 17]。人工智能方法有可能提高工作效率并最小化所获得结果的变异性。
人工智能(AI)系统可以通过自动化MRI路径中的多个步骤[18–20]发挥潜在作用,不仅减轻上述放射学任务的需求,还能减少诊断性能的变异性。已有多个研究团队着手探索AI技术用于MRI前列腺癌诊断,但迄今为止,临床实践中的采用仍然有限。原因有多方面,包括大多数AI系统处于单中心环境中非常早期的开发阶段,用户界面有限,未整合到临床工作流程中,并且重要的是尚未经过临床使用验证。最近,一个基于AI的系统在欧盟获得了作为医疗器械的CE认证,表明出现了积极的发展[21–23]。
最近两篇文章分析了前列腺MRI中影像组学和基于AI的方法(深度学习和非深度学习)的最新进展和质量[24, 25]。研究发现,虽然就报告的性能而言结果令人鼓舞,具有良好的准确性,但需要在共同金标准下对系统进行更广泛的比较,并提高所开展研究的质量,在更广泛的临床采用之前采用系统性验证策略控制偏倚。
因此,在建立AI用于前列腺MRI诊断方面,多个重要步骤尚未完成。本白皮书旨在概述成功实施临床相关AI用于前列腺MRI诊断用途的必要前提和构建模块,反映欧洲泌尿生殖放射学会(ESUR)前列腺MRI工作组、欧洲泌尿外科学会(EAU)泌尿影像学分会(ESUI)的观点。
用于前列腺MRI癌症诊断的人工智能系统的特征
术语定义
人工智能(AI)是一个广泛的领域,涵盖多种技术,这些技术直接从代表性数据(“数据集”)中推断(“学习”)决策规则(“模型”),以实现预先设定的目标[26, 27]。也就是说,大多数AI系统基于训练数据集创建一个“模型”,然后使用该模型为特定目的“推断”从未见过的数据的属性。在此过程中,所使用的数据集被分为不同部分:事先将数据中具有代表性的一部分留出,用于后续确定模型的性能(“测试数据集”)。剩余数据用于创建模型(“训练数据集”)。对于某些方法,尤其是那些具有迭代参数优化轮次的方法,还需要进一步划分训练数据:一个数据集用于推断模型参数(再次称为“训练数据集”),而另一部分用于确定模型创建过程各迭代之间的改进(“验证数据集”)。需要注意的是,训练数据集与验证数据集之间的划分在训练过程中可以是动态的,而测试数据集应始终与训练数据分离,仅用于确定模型的性能。
该学习过程可以是有监督的、半监督的或无监督的。当训练过程中每个病例的结果或类别已知时,该过程为有监督的。当预测以自主方式构建、类别从输入数据中推导得出时,该过程为无监督的。AI系统在此按照所用模型的结构进行分类:经典机器学习模型采用非神经网络技术,如支持向量机(SVM)、随机森林、线性判别分析(LDA)、朴素贝叶斯分类器、k近邻,或具有少量层或无层的模型(浅层神经网络)的神经网络;深度学习是指具有许多串联的人工神经元层以实现分类目标的模型。在许多情况下,特征提取过程在经典机器学习中是分离的,而在深度学习中则是集成的,尽管这可能因具体实现而异(图1)。
许多方法被用于模型创建,包括人工神经网络、统计或逻辑分析,并且经常使用方法的组合[28]。
用于图像分析的AI近年来经历了多项技术进步,这些进步受到计算能力的增长、标注数字影像数据集的可用性以及新算法开发的推动。大多数放射学AI应用使用某种形式的卷积神经网络,该网络属于“深度学习”技术家族[29]。这些网络可以创建用于影像数据内分割、检测或分类的模型。当其他患者的相关元数据(例如实验室值或文本报告)被纳入AI推理过程时,其他网络结构变得相关,最终使得从放射学决策支持工具向临床决策辅助工具的转变成为可能[28]。
前列腺MRI诊断人工智能开发的一般考虑
数据科学前提条件
在前列腺癌诊断的人工智能和深度学习开发中,应批判性地评估若干问题。重要的是要核查人工智能开发是否有明确的技术、放射学和/或临床重点。
科学严谨性
科学严谨性对于临床适用性是必要的,这意味着应提供人工智能算法的描述,以便能够判断其应用的语境正确性,并辅以适当的实验设置和分析。性能偏倚应在训练和验证数据上严格评估,但更重要的是在人工智能开发过程中代表目标人群的独立测试数据上评估。测试数据集应仅包含未见过的数据,理想情况下还应包括来自其他中心/来源的数据,以尽量减少此类偏倚。
金标准
经验表明,目标检测和分类需要专家提供大量标注良好的数据,以训练CAD和人工智能系统并验证其性能。高质量数据集的特征在于影像、临床数据和组织病理学数据的组合,理想情况下还包括随访,以记录前列腺腺体内是否存在显著癌症的金标准。需要准确建立针对金标准数据质量的疾病特异性指标(如目标Gleason评分、生长模式、表面积、体积),以正确评价给定算法的基础数据集相对于目标前列腺癌自然病史的情况。这些金标准数据难以汇集,因为前列腺MRI扫描的数字标注在临床实践中很少进行,且与全腺体取样[30]的组织病理学关联用于MRI验证在临床常规中并不发生。例如,扫描阴性的男性可能不接受活检,而扫描阳性的男性可能仅接受靶向活检。
大型数据集
单个深度学习模型直接对图像进行分类通常需要大量数据进行训练。例如,训练一个预测糖尿病视网膜病变存在与否及其类型且性能达到或超过临床专家水平的深度学习模型,需要超过100,000张经专家标注的视网膜图像[31]。同样的深度学习算法在训练病例较少时无法达到相同的性能。同样,当前列腺癌诊断的深度学习系统使用更大的数据集进行训练时,其性能预期会提高。迁移学习方法(例如使用来自其他图像识别任务的预训练模型并针对当前任务进行训练)有可能改善较小数据集上的性能;然而,所需的数据总量仍将相当可观。同样,数据增强,即向训练数据集中添加经过系统性修改(如旋转/倾斜/加噪)的图像版本,在技术层面上改善了训练过程。然而,数据增强并不能引入更广泛的临床变异性,而这种变异性对于充分代表实践中获得的图像的成像质量特征至关重要。AI系统还需要具备适应性特性,能够使用来自多种MRI机器的图像,并应对临床常规中常见的广泛脉冲序列和协议变化。证明对此类变化或流程的鲁棒性以及保持AI算法准确性对于临床采用将非常重要。虽然当前许多方法使用深度学习方法,但需要注意的是,非深度学习模型(随机森林、SVM、XGBoost)也被用于研究和商业应用,并且在获得非常大的数据集之前,其性能可以与深度学习相当或更好[32, 33]。
研究设计
分割
在评估AI系统的性能时,尽可能以普通和专科放射科医生的集体表现作为基准是至关重要的。这些评估应在解剖层面上进行,通过评估所有前列腺层面的前列腺分割质量,因为当仅使用轴位图像时,放射科医生在前列腺尖部和底部勾画腺体时的变异性更大[34]。
勾画
AI系统检测到的前列腺内病灶与放射科医生相比的相似度评分往往较低,病灶相似度评分与肿瘤大小或侵袭性测量之间的依赖性需要研究。考虑到这一点,我们必须承认放射科医生勾画病灶的“真实标准”也可能不准确,因为目前没有公认的关于如何进行病灶勾画的操作规范。放射科医生的勾画在全 mount 组织病理学验证时往往是错误的[35],但在与阶梯切片定位活检验证时,对指标前列腺病灶的勾画较好[1]。使病灶勾画过程对AI训练具有客观性,需要具有来自前列腺切除标本或经会阴模板定位活检的组织病理学关联的影像数据。理想情况下,对于AI检测和病灶勾画任务,应考虑靶向活检单独或联合系统活检的欠采样和采样误差。
双参数MRI(bpMRI)
迄今为止,大多数人工智能开发均利用双参数磁共振成像(bpMRI)进行系统开发,通常仅使用轴位平面图像进行训练和验证。bpMRI有助于更高效地管理稀缺的磁共振成像资源,从而在需要的地方更广泛地提供前列腺磁共振成像[36]。然而,动态对比增强(DCE)和多平面成像评估均是PI-RADS标准的一部分,并且对于其他评估前列腺磁共振成像以判断是否存在显著癌症的系统而言是强制性的[37, 38]。同样重要的是要记住,虽然多参数、多平面磁共振成像已在临床上得到广泛验证,但采用单一轴位成像平面的bpMRI尚未经过如此严格的评估以确定其能够指导前列腺活检[14]。随着旨在确定单独使用bpMRI价值的前瞻性研究正在进行[39],这种情况在未来可能会发生变化。读者应注意,在4M数据的亚组分析中,当评估单平面bpMRI时,不确定类别增加了70%[12]。尽管bpMRI与多参数磁共振成像(mpMRI)之间的整体放射学诊断性能差异对于在多个成像平面上工作的经验丰富的读者而言可能很小[12],但我们需要认识到轴位平面bpMRI评估所引入的潜在误差传播风险,这可能意味着由于更多不确定病例的存在,预期的活检影响可能无法实现。尽管如此,不同机构之间DCE成像的实施方式在序列/采集参数和团注时间方面也存在相当大的差异,从而为基于图像分析的工具及其可重复性的标准化任务增加了另一项挑战[40–42]。
放射学决策支持工具
鉴于PI-RADS评分已被验证用于临床活检决策,我们对基于bpMRI序列预测PI-RADS类别评分的深度学习开发持谨慎态度。因此,任何积极推广仅轴位bpMRI方法、试图通过使用mpMRI PI-RADS评分系统进行间接验证的深度学习工具,都需要进一步验证。
这些考量指出,人工智能系统最初应作为放射学决策支持工具而非临床决策辅助工具来开发,这一点具有重要意义。适应症从“放射学诊断支持工具”转变为“临床决策工具”需要针对临床有效终点进行严格测试,例如阳性和阴性病例中是否存在临床显著病灶。
数据变异性和验证
为前列腺癌诊断开发的每个人工智能系统都需要在前瞻性、多厂商、多机构研究中进行测试,以评估系统性能,从中可以在不同的使用场景中得出对临床影响的稳健测量,下文将更详细地讨论。目前,涉及医学影像中人工智能的研究很少以标准化和可比较的方式进行。最近对2012年至2019年开展的超过31,000项研究的分析仅能识别出82项允许进行有意义比较并由医学专业人员进行端到端验证的研究[43]。因此,在人工智能系统的优化阶段,必须开发更大、精心策划、多样化(可能来自多个厂商、多个中心)的训练和验证数据集,并具有空间相关组织病理学验证,所有研究都需要由多位阅片者针对人类表现进行严格测试。单机构/单厂商ProstateX数据集是朝这一方向迈出的重要一步[44],隐藏测试数据的概念可用于提供针对替代算法客观估计网络性能的手段。
对人工智能系统性能的高级评估应寻求超越相似系数、受试者工作特征曲线和精确率-召回率曲线的技术评估,这些评估对于“放射学诊断支持工具”的开发可能已经足够。然而,“临床决策工具”的开发将需要对潜在临床影响进行额外评估,这些评估应尽早纳入性能评估,包括净获益分析,从而加速临床普遍接受。
患者选择
癌症患病率——检验前概率
重要的是要记住,MRI的已记录获益仅来自接受二次筛查的西方人群,在常规临床实践中,国际泌尿病理学会(ISUP)前列腺癌2–5级的患病率约为30–50%。由于大多数人工智能系统是在这些数据集上训练的,其性能是针对这一疾病患病率进行“调校”的。因此,我们不能直接将人工智能性能外推到显著癌症患病率更高或更低的男性,或外推到其他组织学csPCa定义。人工智能系统将需要适应当地人群的疾病患病率,并具备能够在不同疾病患病率下根据临床优先事项提供诊断获益的性能特征(可接受的假阳性和假阴性率)(见下文)。
患者选择
在这方面,特别需要注意的是,目前可用的MRI数据集开发排除了多个患者群体。然而,为通用前列腺癌诊断人工智能开发,所有前来诊断的人群都必须在训练/验证数据集中得到代表。需要认识到人群之间的差异,例如由于上述讨论的原因以及人群组内显著癌症解剖位置不同所导致的患病率差异[34]。因此,除了针对初次活检和既往活检阴性男性的AI算法外,还应包括其他患者群体,例如既往MRI扫描阴性或不确定、未在安全网随访方案下立即进行活检的男性,以及已知低风险前列腺癌主动监测中的患者。MRI数据集可在适当时候扩展至已治疗疾病的患者。在AI开发中被排除的患者群体应针对其适应证进行“黑箱化”处理(带来严重的安全风险)。
AI开发作为放射学诊断支持工具
对假结果的耐受性差异
由于基于深度学习的MRI判读将协助确定放射学判读后是否需要进行活检,临床环境将决定对假阳性或假阴性结果的适当耐受水平。不同患者群体对假阳性结果的临床耐受性不同[7]。在初次活检男性中,需要尽量减少过度检查和惰性癌症的检出,同时检出可能导致危害的显著癌症;因此,前一项考虑降低了对假阳性结果的可接受性。同样,在显著癌症背景风险较低的前列腺癌初级筛查男性中,由于过度检查相关的危害,普遍对假阳性结果不耐受。然而,对侵袭性疾病也需要较低的假阴性率。另一方面,对于前次活检阴性后持续怀疑的男性,至关重要的是不能漏诊潜在侵袭性癌症;因此,对假阳性结果的耐受性较高。这些耐受性需要纳入AI设计参数中。
高假阳性
多位研究者已注意到AI系统的高假阳性率[18, 19, 45, 46]。例如,Schelb等[45]指出,他们基于bpMRI开发的AI系统的成功伴随着约50%的高假阳性率代价。当试图降低假阳性率时,AI系统的敏感性迅速下降。也就是说,为保持检测临床显著癌症的高敏感性,AI系统过度判读了多个不代表显著癌症的病灶(假阳性发现)。
性能指标
区分度和校准度是评估风险预测或决策工具性能的重要指标[47]。区分度侧重于将患病者与未患病者分开,而校准度侧重于观察到的结局与预测风险之间的一致性。
区分度对于人工智能在前列腺癌诊断环境中的发展很重要,因为我们希望将患有临床意义显著的前列腺癌的男性与没有该病的男性区分开来。良好的区分度意味着患有显著癌症的男性将始终比没有显著疾病的男性具有更高的预测风险。为了指示风险预测模型对二分类结局的区分能力,通常使用受试者工作特征(ROC)曲线下面积,该曲线针对显著疾病概率的连续截断值绘制灵敏度(真阳性率)与1-特异度(假阳性率)的关系。一般来说,区分度不依赖于疾病患病率。
校准是指观察到的结局与预测之间的一致性。校准在预后环境中更为重要,因为我们希望更精确地预测临床意义显著的前列腺癌的风险。校准直接关注估计概率或预测值。阳性预测值定义为在检测结果为阳性的情况下患有临床意义显著疾病的概率,阴性预测值定义为在检测结果为阴性的情况下没有显著疾病的概率。当使用风险评分时,连续类比是在给定评分值或范围的情况下患病的概率(即患病率)。校准评估直接比较观察概率和预测概率,对此疾病患病率非常重要。
用于临床决策的人工智能发展
可以设想多项任务用于人工智能发展以满足临床需求。这些任务不应被视为不同的人工智能发展,而应被视为理想的整合,将使作为“临床决策工具”的成功临床开发成为可能,帮助为疑似前列腺癌的男性带来有临床意义的获益。
低风险男性中的人工智能
对于未接受过活检的男性,人工智能系统最初应侧重于识别具有正常/非可疑发现且在一定特异度水平下假阴性检出率低(高灵敏度)的男性,从而可以避免进一步检测。如果我们接受阴性MRI的假阴性率< 10% [48],据估计,在由专家人类读者评估时临床怀疑度低的阴性MRI后,约1/3的未接受过活检的男性和2/3-5的既往活检阴性后的男性[1, 49]可以避免活检。人工智能在这方面的性能水平需要被牢固确立。
高风险男性中的人工智能
怀疑度较高的男性将有较高的临床意义显著病例患病率,并将需要根据患者临床诊疗优先事项进行准确的病灶识别和勾画(图2)。检测工作流程的结果将需要与后续活检和治疗任务的规划直接相关。
人工智能作为分诊工具
短期内,高假阳性率的缺点可以通过将人工智能系统用作分诊工具来解决,该类工具可检测并向放射科医生呈现可疑病灶及其勾画。在第二步中,放射科医生可以通过考虑临床危险因素和患者优先级来接受或拒绝所提出的病灶,并在进行报告和沟通任务之前改进癌症可疑靶区的勾画。后一类活动属于放射学诊断支持工具的开发。Schelb等[45]指出,当放射科医生和机器学习就临床显著病灶的可能存在达成一致时,阳性预测值增加而不影响阴性预测值。然而,应当注意,引起放射科医生注意的病灶仍需要由放射科医生进行评估,且人工智能与放射科医生之间理想交互的学习曲线特征仍未知。当然,理解为什么人工智能系统与经验丰富的放射科医生相比具有更高的假阳性结果将是很重要的。
用户界面考虑因素
人工智能与放射科医生的交互性
利用交互性,应当检测可疑病灶、进行勾画、对恶性可能性进行分级,并在可能的情况下给出侵袭性概率。检测到的病灶可根据其PI-RADS类别评分进行分类,从而在呈现符合PI-RADS的多平面mpMRI扫描时实现基于图像的风险分层。与实际肿瘤位置/象限/勾画高度相似的可疑癌症病灶勾画将有助于规划活检和局灶治疗,并促进放射治疗适应证。放射科医生与人工智能结果交互所产生的额外信息——即接受和拒绝所部署算法提出的病灶——随后可用于进一步改进人工智能网络和/或用于向阅片者提供反馈。
人工智能支持放射科医生的工作流程
此外,基于人工智能的阅片系统应整合到用于前列腺MRI常规阅片的用户界面中,而不是——如先前在许多CAD系统中所见——提供图像分析的静态截图。用户界面应针对放射科医生的工作流程进行定制,允许对MRI及人工智能子系统的结果进行全面评估。附加功能应包括根据PI-RADS标准并酌情作为其补充的自动结构化报告。
人工智能和计算机辅助检测系统的一个直接应用场景源于人工智能算法在整个腺体和前列腺带解剖分割方面与手动分割相当的高性能。这为前列腺腺体分割用于认知和融合活检以及放射治疗规划开辟了可能性。首先,人工智能系统应以高置信度检测正常性。这种分诊角色将对放射学工作量产生直接益处,并有助于建立对人工智能能力的信心。
图像采集
可以设想人工智能系统在MRI前列腺癌诊断中的多种额外应用。这些应用包括实时监测MRI数据采集,并在扫描进行过程中交互式部署补救措施,以便为每次检查提供优化的诊断图像。这将使MRI检查的规划和采集具有一致性,并提高后续扫描的可比性。重要的是要记住,当数据采集具有一致性时,人工智能算法效果最佳。另一项扫描机内应用可以是决定在最初进行bpMRI时哪些患者需要注射对比剂,如果不用对比剂,这将有助于提高效率和降低成本,或者在适当的bpMRI病例中使用对比剂时减少不确定病例。
图像质量
一个有用的人工智能系统应能够在MR图像不理想时仍评估前列腺,但也应指出图像质量何时不足以让特定人工智能算法有效工作。如前所述,人工智能的重点最初应放在检出临床显著癌症可能性低的男性,随后在高阴性预测值下对未被判定为阴性的男性中疑似癌症部位进行检测、分类和勾画。这将有助于优化日益复杂的mpMRI数据的阅片工作流程,并有助于缓解放射学工作需求。
随访成像或二次阅片
另一个目前被人工智能开发所忽略的方面,应是在训练人工智能系统时考虑多个成像时间点,因为时间变化为分析提供了有价值的信息。后者对于接受PSA监测的男性尤为重要,这些男性在阴性MRI后作为随访安全网方案的一部分避免了立即活检。类似的能力对于接受主动监测的男性也有价值。还可以设想在不确定MRI病例中作为第二阅片者发挥作用,包括与临床病史、生物化学和基因组图谱的整合。
个性化诊断
人工智能系统可以实现MRI与多变量风险预测工具的结合,以实现前列腺癌的个性化诊断。例如,虽然基于多变量的风险模型可用于决定是否需要MRI,但人工智能能够将MRI结果与基于风险的模型结合起来用于活检决策,从而有助于量身定制活检策略,以提供所需的个性化患者护理获益(图3)。这是因为每种活检方法都会基于所需获益(提高诊断产出、减少活检检测或减少惰性前列腺癌的检出)而在获益与危害之间有所权衡。因此,随着血清、尿液和影像生物标志物的出现,人工智能工具可以支持医生和患者在日益复杂的活检决策中作出判断。
结论
ESUR前列腺MRI工作组和ESUI认识到,人工智能(AI)的进一步发展对于成功部署社区范围内以MRI驱动的前列腺癌诊断至关重要。AI系统的开发应确保实现避免活检的主要获益,同时减少不同MRI怀疑水平下活检检出率的差异。本白皮书确定了AI开发的若干领域,并指出了预期的发展方向。由于当前所有用于前列腺癌检测的AI系统均处于实验阶段,仍需多方开发努力才能将这一愿景惠及所有疑似前列腺癌的男性。初期工作应侧重于支持放射科医生工作流程的AI开发,包括针对融合活检的腺体和靶区勾画任务。将AI系统开发为临床决策工具将需要更大的努力。后者涵盖更大的多中心、多厂商数据集,其中需考虑按诊断环境、疾病患病率、患者偏好和临床环境分层的患者的不同需求。标准操作规程将增强患者和支付方的信心,从而促使以MRI为导向的前列腺癌诊断方法得到更广泛的采用。
引用
- Penzkofer T, Padhani AR, Turkbey B, et al. ESUR/ESUI position paper: developing artificial intelligence for precision diagnosis of prostate cancer using magnetic resonance imaging. Eur Radiol. 2021. PMID: 33991226. doi:10.1007/s00330-021-08021-6
- 全文:PMC8589789(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8589789/
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。