指南与共识泌尿生殖妇产影像腹部CTMRUS

整合超声-CT-MR的卵巢癌术前多任务AI预测系统

Integrating ultrasound-CT-MR for preoperative multi-task prediction in ovarian cancer: achieving diagnostic parity with multidisciplinary team consensus.
指南 / 共识 · NPJ Digit Med · 2026-06-15

本研究开发并验证了OVUCM多任务AI系统,整合超声、CT和MR影像组学特征,用于卵巢癌术前评估。在癌症中心1742例患者中训练,预测5项临床任务AUC为0.847-0.929,并在两家综合医院150例患者中外部验证AUC为0.833-0.974。该系统在4项任务中达到多学科团队共识水平,在1项任务中优于MDT共识。

要点

  • OVUCM整合超声、CT、MR三种模态,可同时预测卵巢癌良恶性、FIGO分期及病理类型。
  • 该系统在外部验证中AUC达0.833-0.974,跨院泛化能力较好。
  • OVUCM达到多学科团队诊断共识水平,有望辅助资源有限地区的术前决策。

核心结论

  • OVUCM通过中间融合整合超声、CT、MR影像组学特征,在卵巢癌5项术前预测任务中达到或超过多学科团队共识水平。
  • 该系统在外部验证中保持良好泛化能力(AUC 0.833-0.974),并始终至少优于一名独立妇科医师。

研究设计与样本

  • 研究类型为多任务AI系统开发与验证,采用影像组学、机器学习和5×4嵌套交叉验证。
  • 训练集来自一家癌症中心1742例卵巢癌患者,外部验证集来自两家综合医院150例患者。
  • 预测任务包括良性vs非良性、交界性vs恶性、非上皮vs上皮、FIGO I-II期vs III-IV期、非HGSOC vs HGSOC。

诊断标准与关键数值

  • 训练集5项任务AUC为0.847-0.929,外部验证集AUC为0.833-0.974。
  • OVUCM在4项任务中达到多学科团队共识诊断水平,在1项任务中超过MDT共识。
  • 该系统在所有任务中始终优于至少一名独立妇科医师。

临床应用与阅片要点

  • OVUCM模拟多学科团队综合解读超声、CT与MR的思路,可辅助放射科或超声科医师进行卵巢癌术前多任务判断。
  • 在资源受限、无法常规进行多学科会诊的场景中,可用于支持良恶性判断、FIGO分期及病理类型预估。

局限性

  • 训练数据来自单一癌症中心,虽设外部验证但原文未说明地域或设备差异对影像组学特征稳定性的影响。
  • 模型性能与MDT共识比较的详细统计方法和P值未在摘要中报告。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

英文原文(摘要)· 点击展开

Ovarian cancer, with high mortality, demands accurate preoperative assessment to guide individualized treatment. It typically requires ultrasound, CT, and MRI interpreted by multidisciplinary teams (MDTs) in complex cases. We developed OVUCM, a multi-task AI system that integrates multi-modalities via intermediate fusion using radiomics, machine learning, and 5×4 nested cross-validation. Trained on 1742 patients from a cancer center, OVUCM predicted five clinical tasks with AUCs of 0.847-0.929: benign vs. non-benign, borderline vs. malignant, non-epithelial vs. epithelial, FIGO stages I-II vs. III-IV, and non-HGSOC vs. HGSOC. External validation in 150 patients from two general hospitals confirmed generalizability (AUCs: 0.833-0.974). The system achieved diagnostic parity with MDT consensus in four tasks and outperformed it in one, while consistently surpassing at least one independent gynecologist across all tasks. By emulating MDT-level interpretation, OVUCM bridges the gap between single-modality tools and comprehensive clinical decision-making, offering a scalable solution in resource-limited settings.

来源:NPJ Digit Med,查看原文。版权归原作者所有。

引用

  1. Yu, Hu, Dai, et al. Integrating ultrasound-CT-MR for preoperative multi-task prediction in ovarian cancer: achieving diagnostic parity with multidisciplinary team consensus. NPJ Digit Med. 2026. PMID: 42298142. doi:10.1038/s41746-026-02875-0

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。