European Radiology：深度学习，让年轻放射科医生轻轻松松面对前列腺癌的MR判析！

据统计，前列腺癌（PCa）是全球第二大最常被诊断的癌症，也是全球男性的第五大死因。近年来，多项研究证据表明，基于多参数MRI（mpMRI）等成像方式的经直肠超声（TRUS）引导靶向活检（TB）的效果要显著优于标准的系统活检，因此大大改变了PCa的诊断途径，并进一步推进了前列腺成像报告和数据系统（PI-RADS，最新更新称为PI-RADS v2.1）的不断发展。

随着深度学习（DL）框架在自动图像识别分析方面的巨大成功，许多计算机辅助诊断（CAD）系统已经被开发出来用于各种恶性肿瘤的影像学图像解释。最近，一些研究评估了CAD辅助检测mpMRI图像中前列腺癌病灶的诊断价值。然而，到目前为止，很少有研究关注于在mpMRI解读中CAD的附加值是否随读者经验而变化。

近日，发表在European Radiology杂志的一项研究评估了有经验和无经验的放射科医生在DL-CAD配套软件的辅助下解读mpMRI图像的准确性，并将结果与无辅助情况下的表现进行了比较，为临床评估前列腺癌MR图像提供了一个更为准确、快速的辅助影像学工具。

本项回顾性研究将一组连续的184名，在2018年1月-2019年8月期间接受检查的患者纳入研究。参考基础是联合靶向和12芯系统经直肠超声引导下的活检结果。由四位放射科医生对每个病例进行两次评估，一次没有（DL-CAD-）、一次由DL-CAD辅助（DL-CAD+）。计算了ROC分析、敏感性、特异性、PPV和NPV，以比较两组（DL-CAD-与DL-CAD+）之间诊断前列腺癌（PCa）的准确性。评估了Spearman的相关系数以探讨PI-RADS类别和Gleason评分（GS）之间的关系。此外，还比较了两组读数的中位数时间。

总共有172名患者被纳入最终分析。在DL-CAD的协助下，经验不足的放射科医生的总体AUC从0.66明显增加到0.80（p = 0.001；截断值ISUP GG≥1），从0.68增加到0.80（p = 0.002；截断值ISUP GG≥2）。有经验的放射科医生显示AUC从0.81增加到0.86（p = 0.146；截断值ISUP GG≥1），从0.81增加到0.84（p = 0.433；截断值ISUP GG≥2）。此外，PI-RADS类别和GS之间的相关性在DL-CAD+组中明显改善（0.45 vs. 0.57；p = 0.03），而中位阅读时间从157秒减少到150秒（p = 0.023）。 

图 在辅助DL-CAD+模式下的示例（图像经过裁剪）。两种模式下的方案是相同的，包括以下序列：轴位（a）和矢状位T2WI（b）、轴位DWI（b=2000，由DL-CAD原型系统计算）（c）、轴位ADC图（d）、轴位DCE（e）、轴位T2WI、在DL-CAD+模式下有DL-CAD发现的热图（f）、标记病灶的增强图（g）以及病例报告（h）

本研究表明，加入DL-CAD能显著提高经验不足的放射科医生在评估mpMRIs时的检测准确性；在DL-CAD的协助下，年轻放射科医生也可以取得与专家级放射科医生类似的诊断能力。目前，前列腺MRI解读所需的高水平专业知识限制了其可用性和潜在效益，但其需求正在稳步增加。因此，本项研究对于克服DL-CAD这些限制方面提供了重要的参考依据。

原文出处：

Sandra Labus,Martin M Altmann,Henkjan Huisman,et al.A concurrent, deep learning-based computer-aided detection system for prostate multiparametric MRI: a performance study involving experienced and less-experienced radiologists.DOI:10.1007/s00330-022-08978-y.