前列腺癌研究人員推出了一種新的 AI 驅動模型，該模型可以快速分析 MRI，以準確預測前列腺癌腫瘤的發展情況，以及隨著時間的推移可能發生的轉移情況。
該技術使用分割算法快速分析前列腺的 MRI，并詳細勾勒出任何癌癥腫瘤的輪廓。然后，該模型可以計算所識別的腫瘤的體積，并根據這些結果準確預測癌癥在治療后可能發生或不會發生轉移的未來風險。
波士頓布萊根婦女醫院的研究人員于 10 月在 《放射學》 期刊上發表了他們的研究結果。在這項研究中，他們描述了他們的模型如何檢查前列腺癌患者的 MRI，并準確識別出 85% 的侵襲性前列腺腫瘤。
該模型在幾秒鐘內完成了圖像分析，準確識別了腫瘤的體積。在這項研究中，研究人員注意到腫瘤體積與患者接受手術或放射治療后癌癥復發或轉移的可能性（兩種最常見的前列腺癌治療方法）之間存在直接關聯。
論文的資深作者馬丁·T·金博士指出，AI 模型的速度和準確性可以為醫生和患者提供預測前列腺癌發展方式的重要新工具。
“我們想知道，我們如何更好地利用現有的所有診斷信息？了解腫瘤體積能幫助我們更好地預測結果嗎？”King 說。“我們的研究是從治療前列腺癌的醫生的角度出發的，他們希望更深入地了解患者實際患有的癌癥程度，以及這對他們的預后意味著什么。”
每年，美國有超過 300,000 名男性被診斷患有前列腺癌，這是男性中第二常見的癌癥。根據國家癌癥研究所 (NCI) 的數據，患有局部前列腺癌（未轉移的腫瘤）的男性在 5 年中的相對存活率接近 100%。然而，NCI 指出，前列腺癌已經擴散或轉移的男性的五年存活率約為 36%。
為了開展這項研究，研究人員使用了運行 PyTorch 的 NVIDIA GeForce RTX 3070 GPU 。該團隊還使用開源 nnUNet 算法在 MRI 數據集上運行圖像分割。
研究人員對 700 多名癌癥患者的前列腺癌 MRI 影像模型進行了訓練和測試。然后，他們將該模型識別腫瘤形狀和估計腫瘤體積大小的能力與已知的患者 5 至 10 年的預后進行了比較。
他們發現，該模型在識別腫瘤體積和前列腺內位置的速度與人類專家一樣快、準確。他們還發現，該模型對腫瘤體積的估計可能與預測或預測腫瘤保持局部化或轉移的可能性有關。根據這項研究，研究發現，即使在接受放射治療或手術治療后，較大的腫瘤（按體積測量）也與更高的轉移或復發可能性相關。
雖然這項研究檢查的患者 MRI 數量相對較少，但研究人員指出，早期結果令人鼓舞。
King 說：“我們將推出更新的算法，這些算法的表現會越來越好。AI 將發揮作用，因為它【比人類】更快地完成許多事情，并且能夠始終如一地完成這些任務。”
閱讀完整的 放射學 文章。查看有關研究人員工作的 其他報道 。在 GitHub 上訪問研究人員在研究中使用的 nnUNet 分割算法。
