重視影像人工智能在前列腺癌中的臨床應(yīng)用研究

摘要

隨著人工智能技術(shù)的快速發(fā)展，其在前列腺癌診療全過程中的應(yīng)用成為目前的研究熱點。人工智能在前列腺癌MRI病灶自動檢出和分割、疾病精準(zhǔn)診斷、危險分層和預(yù)后評估等方面具有極大優(yōu)勢和潛在價值，但不可忽視的是人工智能技術(shù)也存在一定的局限性和挑戰(zhàn)。筆者認為未來可以通過標(biāo)準(zhǔn)化數(shù)據(jù)參數(shù)、優(yōu)化人工智能算法、提升模型可解釋性、擴大多中心數(shù)據(jù)量以及構(gòu)建循證醫(yī)學(xué)證據(jù)更高的前瞻性數(shù)據(jù)庫等方法來構(gòu)建更加可靠、穩(wěn)定的前列腺癌診療一體化的評估模型，進而全面最大化人工智能技術(shù)在前列腺癌診療中的應(yīng)用價值。前列腺癌是泌尿生殖系統(tǒng)常見的惡性腫瘤之一，嚴重威脅男性生命健康和生活質(zhì)量。美國癌癥協(xié)會預(yù)估2023年美國新增前列腺癌患者將達288300人，占前十惡性腫瘤新增患病人數(shù)的29%，位居第一；新增前列腺癌死亡人數(shù)預(yù)計達34700人，占前十惡性腫瘤死亡病例數(shù)的11%，居第二位。多參數(shù)MRI（multiparametricMRI，mpMRI）是有臨床意義前列腺癌診斷和危險分層最常用的檢查方法?；趍pMRI的前列腺影像報告和數(shù)據(jù)系統(tǒng)（prostateimagingreportinganddatasystem，PI-RADS）使用范圍逐漸擴大。然而，PI-RADS受醫(yī)師診斷水平和工作經(jīng)驗影響較大，而且隨著前列腺癌篩查普及力度不斷擴大，放射科醫(yī)師工作負荷與日俱增。此外，前列腺癌的診療精細化管理水平仍有待提高?；趍pMRI的人工智能技術(shù)的快速發(fā)展為解決上述臨床問題、實現(xiàn)前列腺癌精準(zhǔn)醫(yī)療提供了新思路，人工智能技術(shù)已貫穿于前列腺癌灶檢出和分割、精準(zhǔn)診斷、危險分級和預(yù)后預(yù)測等全流程。一、人工智能重點研究方向1.前列腺癌灶自動分割和檢出：精準(zhǔn)識別前列腺癌灶對干預(yù)治療至關(guān)重要?；谏疃葘W(xué)習(xí)的計算機輔助檢出和診斷系統(tǒng)可以幫助放射科醫(yī)師提高病灶檢出率，降低漏診率和誤診率。構(gòu)建的新型端到端的多任務(wù)網(wǎng)絡(luò)模型（ProstAttention-Net）可成功分割前列腺腺體和前列腺癌灶，同時對前列腺癌有較高的檢出率，靈敏度為69.0%±14.5%。還有學(xué)者研究發(fā)現(xiàn)基于深度學(xué)習(xí)自動勾畫的感興趣區(qū)域的影像組學(xué)模型在檢出有臨床意義前列腺癌方面優(yōu)于基于人工勾畫的模型，ROC曲線下面積（areaunderthecurve，AUC）分別為0.76（95%CI0.66~0.85）和0.62（95%CI0.52~0.73）。因此，利用人工智能技術(shù)可以更加高效且精準(zhǔn)地實現(xiàn)前列腺癌灶檢出和分割的自動化流程。2.前列腺癌智能化精準(zhǔn)診斷和危險分層：前列腺穿刺是前列腺癌目前最常用的確診方法，但是前列腺穿刺有創(chuàng)，且穿刺結(jié)果的準(zhǔn)確性受醫(yī)師水平的影響，往往存在一定的漏診率。構(gòu)建了融合深度學(xué)習(xí)模型、PI-RADS和臨床信息的多維度列線圖，用于有臨床意義前列腺癌的精準(zhǔn)診斷，結(jié)果表明多維度列線圖可以進行風(fēng)險分層，精準(zhǔn)識別低風(fēng)險、中風(fēng)險和高風(fēng)險的前列腺癌患者，從而對不同風(fēng)險的患者制定個體化治療方案。構(gòu)建了基于MRI的不同深度學(xué)習(xí)模型用于診斷有臨床意義前列腺癌，研究表明基于ShuffleNet3D的深度學(xué)習(xí)模型的診斷效能可達到甚至超過專家級放射科醫(yī)師的診斷水平，而且模型診斷有臨床意義前列腺癌的特異度較醫(yī)師有較大提升。還發(fā)現(xiàn)利用集成學(xué)習(xí)的方法構(gòu)建的多分類人工智能模型能夠用于前列腺癌Gleason評分的精準(zhǔn)分級。人工智能技術(shù)有望實現(xiàn)前列腺癌精準(zhǔn)診斷和危險分級，幫助臨床及時制定有效的個體化治療方案，從而延長患者生存時間并提高總體生存率。3.預(yù)測前列腺癌病理預(yù)后不良：前列腺癌病理預(yù)后不良包括包膜突破、精囊侵犯、切緣陽性等，術(shù)前精準(zhǔn)預(yù)測對制定臨床決策至關(guān)重要。然而常規(guī)MRI識別前列腺癌病理預(yù)后不良存在診斷準(zhǔn)確率低、一致性差等缺陷。人工智能可以通過提取海量視覺無法獲得的深層隱藏特征，并利用這些特征實現(xiàn)病理預(yù)后不良的精準(zhǔn)預(yù)測。利用集成學(xué)習(xí)方法融合了臨床資料、影像特征、影像組學(xué)特征和深度學(xué)習(xí)特征等多維度信息，開發(fā)了術(shù)前對前列腺癌盆腔淋巴結(jié)轉(zhuǎn)移、術(shù)后生化復(fù)發(fā)的預(yù)測模型，結(jié)果顯示訓(xùn)練集、內(nèi)部測試集和外部測試集的AUC分別為0.93、0.92和0.76，表明基于MRI的人工智能模型有望在淋巴結(jié)轉(zhuǎn)移預(yù)測方面得到臨床應(yīng)用。張玉東教授團隊利用集成學(xué)習(xí)方法構(gòu)建了預(yù)測前列腺癌包膜侵犯的人工智能PAGNet模型并與醫(yī)師的診斷結(jié)果進行對比，在訓(xùn)練集、內(nèi)部測試集和外部測試集中人工智能模型預(yù)測包膜侵犯的AUC分別為0.857、0.807和0.728，高于放射科醫(yī)師的診斷水平，后者的AUC為0.632~0.741。利用3DSwin-Transformer深度學(xué)習(xí)模型檢測前列腺癌病理預(yù)后不良，包括包膜突破、精囊侵犯和手術(shù)切緣陽性，并將深度學(xué)習(xí)模型結(jié)果與臨床模型和放射科醫(yī)師評估結(jié)果進行對比，結(jié)果發(fā)現(xiàn)深度學(xué)習(xí)模型檢測病理預(yù)后不良的AUC為0.813，高于臨床模型的AUC值（0.749）和放射科醫(yī)師評估的AUC值（0.664），表明基于3DSwin-Transformer深度學(xué)習(xí)模型能夠用于預(yù)測前列腺癌病理不良預(yù)后，為臨床提供術(shù)前輔助評估工具。以上研究表明人工智能模型在預(yù)測前列腺癌病理預(yù)后不良中具有一定的臨床價值，能夠幫助臨床醫(yī)師及時制定有效且合理的治療方案，從而減少患者術(shù)后轉(zhuǎn)移及復(fù)發(fā)的風(fēng)險，進而改善患者預(yù)后。二、人工智能存在問題及對策

基于MRI的人工智能技術(shù)在前列腺癌診療中的應(yīng)用研究已取得較大進展，但仍存在以下局限性：（1）缺乏統(tǒng)一標(biāo)準(zhǔn)的高質(zhì)量前列腺影像數(shù)據(jù)集。目前多數(shù)研究MRI掃描儀不同、數(shù)據(jù)采集方式多樣、參數(shù)差異大，導(dǎo)致圖像質(zhì)量參差不齊。需要通過標(biāo)準(zhǔn)化數(shù)據(jù)采集方式和規(guī)范圖像預(yù)處理技術(shù)等方法加以解決。（2）缺乏可解釋性強的多模態(tài)影像人工智能算法。深度學(xué)習(xí)模型構(gòu)建過程無法透明化，具有“黑匣子”的特點，相較醫(yī)師的診療過程缺乏可解釋性。未來可從深度探討內(nèi)在機制或開發(fā)技術(shù)使其過程“透明化”的角度來使深度學(xué)習(xí)模型有據(jù)可依。（3）缺乏跨區(qū)域的大樣本量數(shù)據(jù)集?，F(xiàn)有研究多基于單中心或局限性區(qū)域化多中心研究，樣本量有限，缺乏國際性多中心數(shù)據(jù)測試，模型的可重復(fù)性和普適性有待進一步優(yōu)化。未來可開展大型多中心研究來進一步驗證人工智能模型的穩(wěn)定性和通用性。（4）缺乏前瞻性臨床驗證和測試?，F(xiàn)有研究多為回顧性研究，缺乏循證醫(yī)學(xué)證據(jù)更高的前瞻性數(shù)據(jù)支持，臨床實際應(yīng)用價值面臨質(zhì)疑。在未來的研究中需重視多中心前瞻性研究，通過獲取前瞻性數(shù)據(jù)提高循證醫(yī)學(xué)證據(jù)，推動人工智能技術(shù)在前列腺癌診療全流程管理中的應(yīng)用落地。三、展望

隨著人工智能在醫(yī)療領(lǐng)域的快速發(fā)展，智能化輔助診療技術(shù)在前列腺癌診療全過程中展現(xiàn)了巨大的潛力。人工智能各種算法的不斷優(yōu)化和更新，醫(yī)療設(shè)備和參數(shù)標(biāo)準(zhǔn)化程度的不斷提升，