文献速递泌尿生殖MR

bpMRI与mpMRI及AI辅助bpMRI在前列腺癌检测中的多阅片者诊断效能比较

Diagnostic performance of bpMRI versus mpMRI and AI-assisted bpMRI in prostate cancer detection: a multi-reader study.
PubMed 文献 · Radiol Med · 2026-06-29

这项回顾性多阅片者研究纳入173例因怀疑临床有意义前列腺癌接受前列腺mpMRI的男性,由5名不同经验放射科医师分别评估bpMRI与mpMRI,并在127例中比较AI辅助bpMRI。结果显示bpMRI与mpMRI对csPCa的AUC相当,AI辅助bpMRI提高了活检选择性和效率,但以降低敏感度为代价,尤其在经验较少医师中效应显著。

要点

  • bpMRI与mpMRI在csPCa检测中诊断效能相当,常规临床中省略DCE是可考虑的。
  • AI辅助bpMRI提高低年资医师特异度和活检效率,但敏感度从90.2%降至84.5%。
  • 采用AI辅助时需关注假阴性增加,尤其当读者初判正确但被AI低分值覆盖时。

核心结论

  • bpMRI对csPCa检测的AUC为0.820,mpMRI为0.819,两者诊断效能相当。
  • AI辅助bpMRI提高基础医师活检选择性和效率,但以降低敏感度为代价,专家医师受影响不显著。
  • AI作为同步决策支持时可能产生锚定效应,使联合诊断工作点趋向更保守的活检策略。

研究设计与样本

  • 回顾性双阶段多阅片者研究,单中心,173例连续转诊接受前列腺mpMRI的男性。
  • 5名放射科医师参与,其中2名专家(报告量>1000例)和3名基础医师(200–1000例)。
  • MRI设备为同一厂商1.5 T或3 T扫描仪,遵循PI-RADS v2.1协议。
  • 参考标准以病理为主,无组织诊断时采用至少12个月临床、生化或影像随访。
  • AI工具为商业系统Pi™ v. 2.4.4,对127例提供自动病灶检测、分割和0–5连续指数评分。

关键影像表现/征象

  • AI辅助bpMRI中,PI-RADS 3病变被AI低分值覆盖后降级为PI-RADS 2的病例可致ISUP GG2假阴性。
  • bpMRI与mpMRI在829/865次阅读中患者的PI-RADS类别完全一致,占95.8%。
  • AI输出与bpMRI图像并列展示,读者可同意、修改或忽略AI建议后产生最终AI辅助bpMRI评分。

诊断标准与关键数值

  • csPCa定义为ISUP分级组≥2,主要诊断阈值为PI-RADS≥3。
  • bpMRI与mpMRI平均敏感度分别为88.4%和88.1%,平均特异度分别为61.5%和61.9%。
  • AI辅助bpMRI平均敏感度为84.5%,平均特异度为67.8%;基础医师特异度从54.1%升至67.1%。
  • 基础医师AI辅助后敏感度下降有统计学意义(McNemar p=0.012),特异度升高p<0.001;专家医师无显著变化。
  • bpMRI与mpMRI的Fleiss κ分别为0.53和0.54;AI辅助bpMRI的κ为0.61。

临床应用与阅片要点

  • 日常阅片中,高年资医师可省略DCE采用bpMRI评估csPCa,与mpMRI诊断效能相近。
  • 低年资医师使用AI辅助bpMRI时,AI输出不应覆盖读者基于T2和DWI的独立判断。
  • 采用PI-RADS≥3活检阈值时,AI辅助使每名读者平均漏诊csPCa从5.2例增至8.2例,需权衡。

局限性

  • 回顾性单中心设计,AI子集中csPCa病例数为53/127,亚组估计不够精确。
  • 第1次阅片时bpMRI先于DCE评估,增加同一读者同一病例的相关性,可能缩窄AUC差异可信区间。
  • 未进行正式的先验样本量计算,非劣效性结果应视为探索性而非确证性。
  • 10%的AUC非劣效界值较宽,转诊队列csPCa检出率39.9%,外推至筛查或低风险人群需谨慎。
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:Radiol Med. 2026 Jun 29;131(9):1719–28. doi: 10.1007/s11547-026-02252-7

引言

前列腺MRI是疑似有临床意义的前列腺癌(csPCa)男性的关键影像学检查,可同时改善活检靶向性并避免不必要的操作[1–4]。标准方案是多参数MRI(mpMRI),联合T2加权成像(WI)、扩散加权成像(DWI)和动态对比增强(DCE)成像[5, 6]。然而,DCE会增加检查时间和费用,而其在PI-RADS中的增量贡献有限,主要在特定情形下发挥作用[7, 8]。近期研究(包括1B级证据)提示,仅依赖T2-WI和DWI的高质量双参数MRI(bpMRI)在检测csPCa方面可能达到与mpMRI相当的诊断性能,但大多数数据来自单一阅片者或严格受控的环境,且未说明bpMRI在常规实践中在不同经验水平阅片者中的表现如何[9–11]。

与此同时,用于前列腺MRI的人工智能(AI)工具已显示出接近亚专科放射科医生的性能,并可能有助于报告和支持活检决策[12, 13]。迄今为止,验证主要集中于mpMRI以及敏感性、特异性和AUC等常规诊断指标[14, 15]。关于AI整合到基于bpMRI的工作流程中的行为、其对不同经验水平阅片者的影响,以及诊断性能的任何变化如何转化为癌症检出与活检决策之间的平衡,目前所知甚少[16]。最近提出的获益-伤害比为更直接地量化这种平衡提供了一种方法[17]。

在这一背景下,我们在一个连续转诊队列中开展了一项回顾性、两阶段、多阅片者研究。我们的主要目标是在患者层面比较bpMRI和mpMRI检测csPCa的诊断性能,以AUC作为主要终点。一旦确认bpMRI与mpMRI性能相当,我们旨在评估AI辅助bpMRI工作流程对诊断准确性和获益-伤害比的影响,并进行总体分析及按阅片者专业水平分层分析。

方法

研究人群

本研究经机构审查委员会批准(ID:7680)。连续纳入2020年1月至2024年12月期间因发现PSA升高(PSA > 3 ng/mL)伴或不伴直肠指检(DRE)异常而转诊接受前列腺mpMRI的男性。当mpMRI检查在本机构完成,且可获得的参考标准为组织病理学(系统活检和/或靶向活检,或根治性前列腺切除术)或至少12个月的临床/生化/影像学随访时,检查被纳入。排除标准为:根据PI-QUAL v2(评分1)为非诊断性扫描[18]、mpMRI方案不完整、既往接受过前列腺癌活检或治疗(雄激素剥夺、局灶治疗、前列腺切除术或放疗)的患者。

参考标准采用分级定义。在临床实践中,对于PI-RADS ≥ 3分病灶的患者,或PI-RADS 2分但临床高度怀疑的患者(如PSA密度 > 0.15 ng/mL²或PSA持续上升趋势),由转诊泌尿外科医师酌情决定是否推荐活检。当MRI后可获得系统活检和/或MRI靶向活检结果时,采用活检中的最高ISUP分级组。当行根治性前列腺切除术时,以前列腺切除术标本的最高ISUP分级组取代活检结果。在缺乏组织学诊断的情况下,若至少12个月的临床、生化和/或MRI随访显示PSA值稳定或下降且无影像学进展,则推断不存在临床有意义的前列腺癌。临床有意义的前列腺癌定义为ISUP分级组 ≥ 2 [19]。

MRI采集

所有MRI检查均在同一厂商(GE Healthcare,Chicago,IL,USA)的1.5 T或3 T扫描仪上完成,遵循符合PI-RADS v2.1的机构方案(详细序列参数见在线资源,1)[5]。常规多参数MRI(mpMRI)方案包括高分辨率T2加权成像(轴位、矢状位和冠状位)、弥散加权成像(DWI)及ADC图,以及动态对比增强(DCE)成像。所有检查均经匿名化处理并上传至Collective Minds Research平台(Collective Minds,Danderyd,Sweden)。

研究设计与图像判读

本研究为在单一机构开展的观察性、回顾性、两阶段多阅片者研究。图像判读在Collective Minds Research平台上分两次进行,间隔45天洗脱期。共五名放射科医师参与:两名专家阅片者(每人均报告超过1000例前列腺MRI病例)和三名基础阅片者(在指导下报告200–1000例),按照ESUR/ESUI标准进行分类[20]。在第一次判读中,每位阅片者独立审阅双参数MRI(bpMRI)数据集并给出PI-RADS v2.1评分;完成该评估后立即对该患者同一检查的DCE图像进行揭盲,阅片者可确认或修改判断,从而生成mpMRI的PI-RADS评分。在第二次判读中,经过45天洗脱期后对相同病例进行再次评估,同一批阅片者在bpMRI图像旁同时可获得商业AI系统(Pi™ v. 2.4.4,Lucida Medical,Cambridge,UK)的输出结果。173例检查中有127例可获得AI报告;其余46例因AI软件与DICOM头文件中扫描设备标识元数据之间的技术不兼容而无法处理,与临床或图像质量因素无关。该AI系统提供自动病灶检测、分割及连续指数评分(0–5)(在线资源,2)。阅片者在同步决策支持模式下生成AI辅助的bpMRI评分,AI输出与bpMRI图像并列显示;阅片者可自由选择同意、修改或忽略AI建议[12]。阅片者对组织病理学及随访结果设盲。每次判读和每位阅片者的患者水平评分采用最高PI-RADS评分。

研究结局与统计分析

主要结局是比较双参数MRI(bpMRI)与多参数MRI(mpMRI)对临床显著性前列腺癌(csPCa,定义为ISUP分级组≥2级)检出率的诊断效能,主要诊断阈值为PI-RADS≥3。主要终点为基于有序PI-RADS评分(1–5)构建的受试者工作特征曲线下面积(AUC),在PI-RADS≥3这一主要诊断阈值处进行评估。以mpMRI作为参考影像策略,检验bpMRI的非劣效性,非劣效界值为AUC绝对差值的10%(bpMRI – mpMRI ≥ –0.10)。10%的绝对界值是事先选定的临床实用性阈值,与既往bpMRI与mpMRI比较研究中所采用的界值一致[15],并被认为代表了AUC可接受的最大下降幅度,以换取bpMRI更短的采集时间和无需使用钆对比剂的优势。对于每位阅片者和每种方案,构建ROC曲线并估计AUC;bpMRI与mpMRI之间AUC差值及其95%置信区间采用多阅片者–多病例方法获得。若AUC差值置信区间下限大于–0.10(对应单侧α为0.025),则认为bpMRI具有非劣效性。

次要结局是比较bpMRI与AI辅助bpMRI之间的诊断效能,并评估AI对专家和非专家阅片者是否产生不同效应。对于每位阅片者和每种策略(bpMRI和AI辅助bpMRI),我们在PI-RADS≥3、PI-RADS≥4以及复合规则(PI-RADS 3且PSA密度>0.15 ng/mL²或PI-RADS≥4)条件下计算以下诊断指标:灵敏度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和准确率。配对比例采用McNemar检验进行比较。专家和非专家阅片者分别分析,并使用影像策略与阅片者经验之间的交互项来检验AI效应的差异性。

此外,获益-伤害比根据Schoots等人[17]的定义进行计算。对于接受活检的男性(即在该MRI策略下会被转诊进行活检的男性),我们计算了:活检选择性(GG≥2/GG1比值)和活检效率(GG≥2/[GG1+良性])。对于避免活检的男性(即在该MRI策略下不会被转诊进行活检的男性),我们计算了:安全避免率(避免的活检/漏检的GG≥2)和选择性避免率(避免的活检/良性活检)。此外,记录每位阅片者和每种策略漏检的临床显著性前列腺癌(csPCa)绝对数(PI-RADS≥3时的假阴性),以量化诊断操作点向特异性方向偏移的临床代价。所有比值均针对每种MRI策略、每个阈值分别计算,然后在两个阅片者专业水平亚组中重复计算。阅片者间一致性采用Fleiss’ κ在PI-RADS≥3与<3的二分类阈值下进行评估,95%置信区间通过自助重抽样(2000次迭代)获得。探索性分析在PI-RADS≥4及基于PSAd的复合规则下重复进行。除非劣效性检验为单侧(α=0.025)外,所有检验均为双侧。非劣效性比较未进行正式的预先样本量计算;分析纳入研究期间所有连续符合条件的患者,因此非劣效性结果应被解释为探索性而非验证性。分析使用R软件(R Foundation for Statistical Computing,维也纳,奥地利)完成,p值<0.05被认为具有统计学显著性。

结果

患者人群

总体而言,173名男性符合纳入标准并被纳入分析(图1)。中位年龄为67岁(IQR,58-71),中位前列腺体积为57.7 mL(IQR,42.7-77.4),中位PSA为7.3 ng/mL(IQR,5.3-10.7),中位PSA密度为0.12 ng/mL²(IQR,0.09-0.21)。在经组织学证实的病例中,最差ISUP分级分布为:良性66例(42.0%),ISUP 1级22例(14.0%),ISUP 2级28例(17.8%),ISUP 3级19例(12.1%),ISUP 4级12例(7.6%),ISUP 5级10例(6.4%)。研究人群的详细基线特征见表1。

图1 研究人群流程图 查看原图 ↗
表1 研究人群特征 查看原表 ↗

bpMRI与mpMRI的比较

全部 173 例检查均可用于 bpMRI 与 mpMRI 的主要比较。在 PI-RADS ≥ 3 这一主要诊断阈值下,各阅片者的平均 AUC 在 bpMRI 为 0.820,在 mpMRI 为 0.819,绝对差值为 0.1%(bpMRI–mpMRI,0.1% [95% CI –0.6% 至 0.7%])(图 2)。csPCa 的平均灵敏度在 bpMRI 为 88.4%,在 mpMRI 为 88.1%(差值 0.3% [95% CI –0.5% 至 1.1%]),而平均特异度分别为 61.5% 和 61.9%(差值 –0.4% [95% CI –1.7% 至 1.0%];表 2)。bpMRI 与 mpMRI 的平均 PPV 均为 60.9%,而平均 NPV 分别为 89.8% 和 89.5%。非劣效性分析表明,bpMRI 在 csPCa 检出方面与 mpMRI 表现相当(非劣效性 p < 0.001);然而,由于未进行正式的样本量计算,该结果应被视为支持性而非确证性。两种策略检出的 csPCa 例数非常相近,每位阅片者检出的中位数为 63/69 例癌症,bpMRI(IQR,60–64)和 mpMRI(IQR,60–63)相同,且检出的 ISUP 1 级癌症数量也相当(中位数 17 [IQR,16–17] vs 16 [IQR,16–16])。在 829/865 次判读(95.8%)中,bpMRI 与 mpMRI 的患者层面 PI-RADS 分类相同。在 PI-RADS ≥ 3 阈值下,两种方案的阅片者间一致性均为中等且相似:bpMRI 的 Fleiss’ κ = 0.53(95% CI,0.45–0.61),mpMRI 的 Fleiss’ κ = 0.54(95% CI,0.46–0.61)。

图 2 各阅片者检测临床有意义前列腺癌(csPCa)的 bpMRI(实线)与 mpMRI(虚线)ROC 曲线(左)及带 95% 置信区间的平均 ROC 曲线(右)(n = 173) 查看原图 ↗
表 2 在 PI-RADS ≥ 3 阈值下,各阅片者 bpMRI 与 mpMRI 检测 csPCa 的诊断性能(患者层面,n = 173) 查看原表 ↗

bpMRI 与 AI 辅助 bpMRI 的诊断性能

在有人工智能报告可用的亚组中(127/173 例男性;53/127 例 [41.7%] 患有 csPCa),我们比较了 bpMRI 与 AI 辅助 bpMRI 的诊断效能(表 3)。在 PI-RADS ≥ 3 时,所有阅片者在 AI 辅助下均以牺牲敏感性为代价,使平衡向更高特异性方向转变。平均敏感性从 90.2%(± 6.6)下降至 84.5%(± 9.3),而平均特异性从 59.7%(± 10.6)提高至 67.8%(± 6.4)。总体准确率从 72.4%(± 5.0)略微上升至 74.8%(± 2.5)。在专家阅片者中,无论有无 AI,敏感性和特异性均保持较高且相似:敏感性 89.6%(± 12.0)(bpMRI)对比 86.8%(± 13.3)(AI 辅助 bpMRI);特异性 68.2%(± 8.6)(bpMRI)对比 68.9%(± 5.7)(AI 辅助 bpMRI)。在初级阅片者中,AI 辅助后平均特异性从 54.1%(± 8.2)提高至 67.1%(± 7.9),准确率从 69.3%(± 3.6)提高至 73.8%(± 2.4),而敏感性从 90.6%(± 3.8)下降至 83.0%(± 8.6)。初级阅片者中 AI 辅助的敏感性显著低于 bpMRI 敏感性(合并 McNemar p = 0.012),但专家阅片者中无显著差异(p = 0.453);相反,初级阅片者中 AI 辅助的特异性显著更高(p < 0.001),但专家阅片者中无显著差异(p = 1.000)。每位阅片者漏诊 csPCa 的平均数量从 bpMRI 的 5.2 ± 3.5 增加至 AI 辅助 bpMRI 的 8.2 ± 4.9;在初级阅片者中,这一增加从 5.0 ± 2.0 上升至 9.0 ± 4.6。在 PI-RADS ≥ 4 以及基于 PSAd 的复合阈值下也观察到类似模式,AI 在初级阅片者中持续改善特异性和准确率,而在专家阅片者中仅产生极小变化(在线资源,3)。AI 辅助 bpMRI 的阅片者间一致性为中等(Fleiss’ κ = 0.61;95% CI,0.52–0.69),与同一亚组中单独 bpMRI 的一致性(0.58;95% CI,0.48–0.67)相当。

表 3 PI-RADS ≥ 3 时 bpMRI 与 AI 辅助 bpMRI 的诊断效能(AI 亚组,n = 127) 查看原表 ↗

获益-风险比分析

对于所有阅片者合并分析,针对 csPCa 而非 GG 1 的活检选择性从 bpMRI 的 3.9 ± 0.9 提高至 AI 辅助 bpMRI 的 4.6 ± 1.2,活检效率从 1.7 ± 0.4 提高至 1.9 ± 0.2(表 4)。对无效活检的选择性避免从 3.3 ± 1.7 上升至 4.6 ± 1.7。在专家阅片者中,活检选择性从 4.7 ± 1.0 提高至 5.4 ± 2.1,活检效率保持相似(2.1 ± 0.3 对比 2.0 ± 0.1),选择性避免变化不大(4.5 ± 2.0 对比 4.3 ± 0.6),而安全避免有所下降但仍良好(15.2 ± 13.8),仅反映多漏诊一至两例 csPCa。在初级阅片者中,活检选择性从 3.4 ± 0.2 提高至 4.1 ± 0.2,活检效率从 1.4 ± 0.2 提高至 1.8 ± 0.3,选择性避免从 2.5 ± 1.2 提高至 4.9 ± 2.3,而安全避免从 9.7 ± 3.1 下降至 7.3 ± 2.4。在 PI-RADS ≥ 4 及基于 PSAd 的复合规则下,AI 再次增加了选择性避免,尤其是在初级阅片者中(在线资源,4)。

表 4 PI-RADS ≥ 3 时 bpMRI 与 AI 辅助 bpMRI 的获益-风险比 查看原表 ↗

讨论

在这项常规诊疗多阅片者队列研究中,双参数磁共振成像(bpMRI)对临床有意义前列腺癌(csPCa)的患者水平区分能力与多参数磁共振成像(mpMRI)相当。此外,在bpMRI基础上加入人工智能(AI)可优化活检决策,尤其对经验较少的阅片者而言。在PI-RADS≥3的主要阈值下,bpMRI与mpMRI在AUC、敏感性和特异性方面基本无法区分,并且每位阅片者的csPCa检出率几乎相同,提示在我们的研究环境中可以省略对比剂而不会造成可测量的诊断准确性损失。AI分析增加了第二个具有临床相关性的层面。在AI可用的子集中,AI系统性地将诊断工作点推向更保守的活检使用:敏感性降低,但特异性和总体准确性提高,活检路径变得更具有选择性和效率。对于专家阅片者,这些变化较小;他们本已工作在ROC曲线上接近“最佳”的位置。对于经验较少的阅片者,AI的效果更为显著:特异性提高了约13个百分点,准确性改善,活检选择性和效率大幅提升。从临床决策的角度来看,AI支持减少了经验较少的放射科医师推荐活检的频率,同时提高了活检检出临床有意义癌症的比例。

我们的bpMRI–mpMRI结果与当前证据一致。几项单中心和多中心研究(包括大型随机数据)报告bpMRI和mpMRI具有相当的效能,提示当T2加权成像(T2-WI)和扩散加权成像(DWI)得到优化时,动态增强成像(DCE)的增量价值有限[10, 21–23]。我们的结果进一步支持,在不同经验水平的阅片者中,本机构省略对比剂不影响临床显著性前列腺癌(csPCa)的检出。我们方法的附加价值在于将多阅片者设计与患者层面分析相结合,比单阅片者或仅病灶研究更贴近真实世界报告。Gelikman等人近期的工作在六名放射科医生中评估了一种深度学习模型,显示AI辅助提高了病灶水平的阳性预测值(PPV),并大幅增加了前列腺影像报告和数据系统(PI-RADS)评分的阅片者间一致性,而csPCa的患者水平曲线下面积(AUC)保持不变,病灶水平敏感性略有下降[16]。我们的结果具有互补性:在不同队列和使用不同AI系统的情况下,我们同样观察到在AI支持下准确性提高、敏感性降低,但额外量化了这些变化如何转化为活检决策。Ponsiglione等人近期报告了一致的结果,在六名阅片者中使用一种不同的CE标志AI系统作为mpMRI的同步决策支持:专家未受AI影响,而经验较少的阅片者敏感性降低,特异性无明显提高[24]。在我们的研究中,AI对专家表现同样无显著影响,但初级阅片者以敏感性换取特异性大幅提高(+ 13 pp),从而改善了活检选择性和效率。值得注意的是,在Giganti等人进行的PAIR-1多中心验证中,同一AI系统(Pi v2.4)作为全自动独立工具实现了95%的敏感性和67%的特异性用于csPCa检出[15]。在当前同步使用场景中观察到的较低敏感性和较高特异性可能反映AI对人类决策的锚定效应,该效应将联合工作点推向更保守的阈值,并提示AI整合模式(独立运行 vs 同步决策支持)可能显著影响最终的诊断特征。

获益-伤害框架采用自Schoots等人的荟萃分析,该分析强调传统指标(如敏感度和特异度)并不能完全反映基于MRI路径的临床影响[17]。诸如活检选择性和效率,以及安全回避与选择性回避等复合比值,能更直接地量化与患者相关的结局,即检出的显著癌症、实施的不必要活检以及安全避免的操作之间的平衡。在我们的队列中,AI辅助bpMRI提高了活检选择性和效率,并增强了选择性回避,尤其是在基础阅片者中;而安全回避值有所下降,但仍处于临床可解释的范围内。综合来看,这些发现表明AI可以通过更好地区分哪些男性应接受活检、哪些可以安全推迟活检,从而优化现有的基于MRI的路径。然而,伴随的NPV下降——总体从90.0%降至86.7%,基础阅片者从89.1%降至85.2%——应与这些获益进行权衡,因为这意味着在未转诊活检的男性中,未检出的csPCa比例略有增加(图3)。

在本研究中,AI被用作并行决策支持系统。这种使用场景可能是导致使用AI后敏感度下降的原因之一,尤其是对于经验较少的阅片者(图4)。在将癌症检出作为优先事项的情况下,应考虑将AI用作额外的阅片者,或采用其他方法(如AI专项培训)以最大限度地减少假阴性,从而提高敏感度。

本研究存在局限性。本研究为回顾性、单中心研究,样本量中等,AI子集中csPCa病例较少,因此亚组分析和获益-伤害估计不够精确。组织学结果主要基于靶向/系统活检,部分MRI阴性男性仅通过随访进行分类,这很可能遗漏了一部分惰性癌或MRI隐匿性癌,使得绝对敏感度和特异度不如患者内比较稳健。我们仅评估了一款具有CE标志的AI工具,且限于单一厂商/协议环境;尽管设置了45天的洗脱期,固定的阅读顺序和病例重复使用仍不能完全排除记忆效应。重要的是,在第1阶段中,bpMRI总是在同一时段内DCE揭盲前进行评分,这增加了同一阅片者内、同一病例内的相关性,可能人为缩窄了bpMRI-mpMRI AUC差异的置信区间;采用完全交叉设计并分阶段进行将提供更为保守的估计。此外,非劣效性比较未进行事先样本量计算,因此本研究可能检验效能不足,无法检出具有临床意义的差异,非劣效性结论应视为探索性的。最后,bpMRI对比mpMRI的10%非劣效界值在临床上具有实用性,但相对较宽;鉴于近期有1B级多中心证据支持bpMRI的非劣效性,我们的转诊队列中csPCa患病率相对较高(39.9%),可能限制了研究结果向筛查人群或低风险人群的推广,在解读预测值时应予以考虑。我们的数据应被视为支持在本机构中bpMRI可以安全替代mpMRI,而非改变临床实践的确定性证据[9]。

总之,这些发现支持一种实用的诊断模式,即将双参数MRI(bpMRI)作为标准方案,从而简化工作流程,并在大多数男性中避免使用对比剂,且不会造成临床显著性前列腺癌(csPCa)检出的可测量损失。随后可将人工智能(AI)应用于bpMRI,以提高活检效率并减少不必要的操作,其最大获益见于经验较少的阅片者。实施时应侧重于通过适当选择AI工作阈值、围绕AI输出与PI-RADS的整合进行结构化培训,以及对获益-风险比进行常规监测(而非仅依赖准确性指标),将敏感性维持在可接受范围内。在这样的框架下,AI辅助的bpMRI似乎是一种可行的策略,可优化csPCa检出与避免活检之间的平衡,尤其是在缺乏统一亚专科专业知识的医疗环境中。

图3 AI亚组(n = 127)中每位阅片者bpMRI(左)和AI辅助bpMRI(右)的ROC曲线。专家阅片者(R1、R2)以蓝色和橙色显示;基础阅片者(R3–R5)以绿色、红色和紫色显示 查看原图 ↗
图4 三个代表性病例,展示了AI与阅片者之间一致和不一致的交互。病例1:轴位T2加权成像(WI)(a)、高b值DWI(b)和ADC图(c)显示左侧后外侧外周带基底部一处病灶(箭头),所有阅片者在bpMRI上均评为PI-RADS 4分;AI系统确认了高危发现,Pi评分为4.6(d,T2加权图像上的彩色叠加)。靶向活检结果为ISUP GG3(Gleason 4 + 3)。病例2:轴位T2-WI(e)、高b值DWI(f)和ADC图(g)显示右侧后内侧外周带基底部一处细微发现(箭头),一位基础阅片者在bpMRI上评为PI-RADS 3分。在AI辅助阅片中,AI系统未检测到局灶性病变(Pi评分2.1;h),阅片者将评分降为PI-RADS 2。靶向活检显示为ISUP GG2(Gleason 3 + 4),说明了一个AI辅助假阴性结果——阅片者的初始判断是正确的,但被AI的低置信度评分所推翻。病例3:轴位T2-WI(i)、高b值DWI(j)和ADC图(k)显示右侧前部移行带一处发现(虚线箭头),一位基础阅片者在bpMRI上评为PI-RADS 3分。AI系统未检测到局灶性病变(Pi评分2.0;l),阅片者将评分降为PI-RADS 2。活检为良性,说明了一个AI辅助真阴性降级——AI恰当地减少了不必要的活检转诊。GG = 分级分组;WI:加权成像 查看原图 ↗

引用

  1. Russo, Bottazzi, D'Erme, et al. Diagnostic performance of bpMRI versus mpMRI and AI-assisted bpMRI in prostate cancer detection: a multi-reader study. Radiol Med. 2026. PMID: 42371294. doi:10.1007/s11547-026-02252-7
  2. 全文:PMC13658483(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13658483/

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。