前列腺癌研究人员推出了一种新的 AI 驱动模型，该模型可以快速分析 MRI，以准确预测前列腺癌肿瘤的发展情况，以及随着时间的推移可能发生的转移情况。
该技术使用分割算法快速分析前列腺的 MRI，并详细勾勒出任何癌症肿瘤的轮廓。然后，该模型可以计算所识别的肿瘤的体积，并根据这些结果准确预测癌症在治疗后可能发生或不会发生转移的未来风险。
波士顿布莱根妇女医院的研究人员于 10 月在 《放射学》 期刊上发表了他们的研究结果。在这项研究中，他们描述了他们的模型如何检查前列腺癌患者的 MRI，并准确识别出 85% 的侵袭性前列腺肿瘤。
该模型在几秒钟内完成了图像分析，准确识别了肿瘤的体积。在这项研究中，研究人员注意到肿瘤体积与患者接受手术或放射治疗后癌症复发或转移的可能性（两种最常见的前列腺癌治疗方法）之间存在直接关联。
论文的资深作者马丁·T·金博士指出，AI 模型的速度和准确性可以为医生和患者提供预测前列腺癌发展方式的重要新工具。
“我们想知道，我们如何更好地利用现有的所有诊断信息？了解肿瘤体积能帮助我们更好地预测结果吗？”King 说。“我们的研究是从治疗前列腺癌的医生的角度出发的，他们希望更深入地了解患者实际患有的癌症程度，以及这对他们的预后意味着什么。”
每年，美国有超过 300,000 名男性被诊断患有前列腺癌，这是男性中第二常见的癌症。根据国家癌症研究所 (NCI) 的数据，患有局部前列腺癌（未转移的肿瘤）的男性在 5 年中的相对存活率接近 100%。然而，NCI 指出，前列腺癌已经扩散或转移的男性的五年存活率约为 36%。
为了开展这项研究，研究人员使用了运行 PyTorch 的 NVIDIA GeForce RTX 3070 GPU 。该团队还使用开源 nnUNet 算法在 MRI 数据集上运行图像分割。
研究人员对 700 多名癌症患者的前列腺癌 MRI 影像模型进行了训练和测试。然后，他们将该模型识别肿瘤形状和估计肿瘤体积大小的能力与已知的患者 5 至 10 年的预后进行了比较。
他们发现，该模型在识别肿瘤体积和前列腺内位置的速度与人类专家一样快、准确。他们还发现，该模型对肿瘤体积的估计可能与预测或预测肿瘤保持局部化或转移的可能性有关。根据这项研究，研究发现，即使在接受放射治疗或手术治疗后，较大的肿瘤（按体积测量）也与更高的转移或复发可能性相关。
虽然这项研究检查的患者 MRI 数量相对较少，但研究人员指出，早期结果令人鼓舞。
King 说：“我们将推出更新的算法，这些算法的表现会越来越好。AI 将发挥作用，因为它【比人类】更快地完成许多事情，并且能够始终如一地完成这些任务。”
阅读完整的 放射学 文章。查看有关研究人员工作的 其他报道 。在 GitHub 上访问研究人员在研究中使用的 nnUNet 分割算法。
