根据《放射学》杂志今天发表的一项研究，深度学习模型在 MRI 上检测临床显著的前列腺癌方面的表现与腹部放射科医生相当。研究人员希望该模型可以作为放射科医生的辅助手段，以提高前列腺癌的检测率。

前列腺癌是全球男性中第二大常见癌症。放射科医生通常使用结合不同 MRI 序列的技术(称为多参数 MRI)来诊断有临床意义的前列腺癌。结果通过前列腺影像报告和数据系统 2.1 版 (PI-RADS) 表达，这是一种标准化的解释和报告方法。然而，使用 PI-RADS 对病变进行分类有局限性。

明尼苏达州罗切斯特梅奥诊所放射科的 Naoki Takahashi 医学博士表示：“前列腺 MRI 的解读很困难。经验更丰富的放射科医生往往拥有更高的诊断能力。”

将人工智能(AI) 算法应用于前列腺 MRI 有望改善癌症检测并减少观察者变异性，即人们测量或解释事物的方式不一致，这可能导致错误。然而，现有 AI 方法的一个主要缺点是，病变必须由放射科医生或病理学家在初始模型开发时进行注释(给出注释或解释)，并在临床实施后的模型重新评估和再训练期间再次进行注释。

Takahashi 博士表示：“放射科医生在解读时会标注可疑病变，但这些标注通常无法获得，因此研究人员在开发深度学习模型时必须重新绘制轮廓。此外，研究人员在准备数据集时必须将影像学发现与病理报告关联起来。如果存在多个病变，则可能并不总是能够将 MRI 上的病变与其相应的病理结果关联起来。此外，这是一个耗时的过程。”

Takahashi 博士及其同事开发了一种新型深度学习模型，用于预测临床显著前列腺癌的存在，而无需了解病变位置。他们将其表现与腹部放射科医生在大量未确诊临床显著前列腺癌且在一家学术机构的多个地点接受 MRI 检查的患者中的表现进行了比较。研究人员训练了一种卷积神经网络 (CNN)——一种复杂的人工智能，能够辨别图像中超出人眼能力的细微模式——以通过多参数 MRI 预测临床显著前列腺癌。