Investigative Radiology：如何提高放射科住院医师应用mpMRI诊断前列腺癌的能力及信心？（发布者没有填对应科室）

据统计，前列腺癌的发病率极高，是男性癌症患者的第二大死因。多参数磁共振成像（mpMRI）可以提高前列腺活检的诊断准确性，增加有临床意义的前列腺癌（sPC）的检测率。

人工智能（AI）有望为所有放射科医生提供可扩展的诊断支持。最近，基于卷积神经网络（CNN）的计算机辅助检测和诊断（CAD）系统已经能够完全自动提供高质量的前列腺磁共振成像（MRI）评估。

近日，发表在Investigative Radiology杂志的一项研究在临床图像采集后对双参数前列腺MRI（bpMRI）数据进行了全自动的CNN分析，并通过在独立的多参数前列腺成像报告和数据系统（PI-RADS）评估后向接受培训的放射科医生提供CNN结果，为临床进一步准确、快速的进行前列腺癌的检出及风险分层提供了技术支持。

本项研究于2019年11月至2020年9月期间纳入了连续男性患者进行了临床多参数前列腺MRI的双参数（T2加权和扩散加权）扫描，在图像采集后由CNN进行了完全自动和单独分析（伪回顾性设计）。放射科住院医师在审查CNN结果之前和之后对多参数数据集进行了2次独立于临床报告的研究性前列腺成像报告和数据系统（PI-RADS）评估（准临床设计），并完成了调查评估。是否存在有临床意义的PC是由国际泌尿外科病理学会的2级或更高等级的PC在联合靶向和扩展的系统性经会阴MRI/经直肠超声融合活检中的存在来确定。使用McNemar检验患者和前列腺六分仪为基础的敏感性和特异性，并与CNN的接收器操作特征（ROC）曲线进行比较。调查结果以绝对数和百分比进行总结。 
共有201名男性被纳入研究。以患者为单位，CNN的ROC曲线下面积达到了0.77。使用PI-RADS≥3概率阈值（c3），CNN在患者基础上的敏感性为81.8%，特异性为54.8%，与目前临床常规PI-RADS≥4评估的90.9%和54.8%没有统计学差异（P = 0.30/ P = 1.0）。总的来说，在CNN审查前后，住院医师取得了类似的敏感性和特异性。在前列腺六分仪的基础上，临床评估拥有最高的ROC曲线下面积为0.82，高于CNN（AUC = 0.76，P = 0.21），并明显高于CNN审查前后的住院医师表现（AUC = 0.76 / 0.76，P ≤ 0.03）。住院医师调查显示，CNN是有帮助的，而且在临床上是有用的。 

 表 按CNN结果审查前（CNN前）和审查后（CNN后）的评估，接受培训的放射科医生在每个病人和每个外院的临床评估和诊断表现

基于CNN的全自动前列腺多参数MRI可疑病变检测的假性临床整合被证实，显示出住院医师的良好接受度，但没有发现住院医师表现的明显改善。尽管观察到CNN校准的转变，但一般的CNN性能得以保留，并确定了持续质量控制和重新校准的要求。

原文出处：

Kevin Sun Zhang,Patrick Schelb,Nils Netzer,et al.Pseudoprospective Paraclinical Interaction of Radiology Residents With a Deep Learning System for Prostate Cancer Detection: Experience, Performance, and Identification of the Need for Intermittent Recalibration.DOI:10.1097/RLI.0000000000000878