聚焦

　　前沿

　　多中心医工交叉研究权威发表！

　　随着人工智能（AI）等新兴技术的迅速发展，影像学与病理学结果的关联研究迎来了新视角，为无创精准诊断与分级开辟了广阔前景。近期，来自北京大学第三医院泌尿外科张树栋团队、南京医科大学第一附属医院（江苏省人民医院）李杰团队、北京友谊医院、青岛大学附属医院、上海长征医院任善成团队等临床团队和安徽大学邵立智团队、重庆邮电大学、清华大学、香港理工大学等算法团队共同开展了一项医工交叉研究，并在《Nature Cancer》期刊上发表了一篇题为《An MRI-Pathology Foundation Model for Non-Invasive Diagnosis and Grading of Prostate Cancer》的研究文章。该研究针对前列腺癌无创诊断与分级的临床需求，基于多中心真实患者数据，开发出一套端到端的AI影像-病理基础模型，用于辅助前列腺癌的临床诊断与分级。

　　图1. 研究框架图

　　数据与方法

　　大样本验证与多中心测试保障模型稳健性

　　研究团队纳入了多中心的回顾性及前瞻性患者队列，共涵盖5747例患者，收集了包括影像学、病理学及临床检查在内的多维度数据。AI模型的评估方法包括时间外部测试、空间外部测试、人口外部测试以及前瞻性测试。为减少图像序列遗漏、过拟合和仪器差异对结果的影响，团队使用1,296,950对影像数据进行模型训练，并融合了自监督学习、任务多重学习、变换器（Transformer）架构以及基础模型迁移学习等技术，进一步优化训练过程，最终成功构建出端到端的AI辅助诊断系统。

　　图2. 研究流程图

　　赋能精准

　　提升诊断特异性，提供可靠诊断支持

　　从临床应用的角度来看，基于磁共振成像（MRI）的前列腺癌预测Transformer模型（MRI-PTPCa）作为独立的诊断与分级工具，能够有效减少临床实践中的观察者内及观察者间变异度。该模型可单独应用，也可与前列腺特异抗原（PSA）联合使用，从而解决PSA筛查假阳性率高的问题。此外，MRI-PTPCa显著减轻了PSA灰区中诊断的模糊性。在临床显著前列腺癌（CSPCa）的放射学评估中，临床实践通常更关注灵敏度而非特异性，以确保更多患者接受病理级评估，从而降低漏诊风险。然而，这一策略也可能导致不必要的针吸活检，增加医疗负担及医源性损伤。MRI-PTPCa在保持高灵敏度的同时，显著提高了特异性，减少了近90%的CSPCa过度诊断病例。此外，该模型为前列腺影像报告和数据系统（PI-RADS）评分为3的患者提供了可靠的诊断支持，减少了针吸活检后的升降级率，这对涉及饱和活检、MRI靶向活检、融合活检等增强评估方法的临床评估尤为重要。

　　图3. 研究结果

　　图4. 研究结果

　　前景可期

　　AI辅助提升诊断水平，推动精准医疗实践

　　MRI-PTPCa在多个临床应用场景中表现出巨大的潜力。研究团队还评估了不同经验水平放射科医生在使用AI辅助诊断后的表现。无论作为平行系统还是预警系统，MRI-PTPCa都能有效提高非侵入性评估的准确性和效率。尽管放射科医生对AI的接受度存在差异，但在整合MRI-PTPCa后，所有参与者的诊断性能均有所提升。尤其是初级放射科医生，相较于高级放射科医生，表现出更高的AI接受度，并在诊断准确性和效率方面取得显著提升。作为独立系统，MRI-PTPCa在回顾性和前瞻性测试中的表现均超越了放射科医生的基线水平。尽管AI预测模型在伦理和法律方面依然面临挑战，但MRI-PTPCa已在临床实践中展现了巨大的潜力。无论是作为独立工具还是辅助系统，该模型都为提升诊断性能提供了有效解决方案。这些发现为AI在临床实践中的分阶段实施提供了有力依据。这不仅展示了其应用的灵活性，也进一步增强了研究者推动AI实现临床转化的信心。

　　图5. 研究结果

　　审校|北京大学第三医院 颜野教授

　　整理|中国医学论坛报社 简言