前列腺癌是全世界男性第二大癌癥，隨著中國人口老齡化和生活方式的西化，近年來我國前列腺癌發(fā)病率以每年 13% 的增速狂飆，現(xiàn)已位居我國男性惡性腫瘤第六位，且發(fā)病率增速還在持續(xù)攀升。2024 年我國前列腺癌新發(fā)病例數(shù)達到 14.4 萬人，預計 2030 年將達到 19.9 萬人，2035 年將達到 25 萬人。
前列腺癌的診斷主要依賴于血液前列腺特異性抗原（PSA）、B 超和醫(yī)生的直腸指診。然而臨床實踐發(fā)現(xiàn)：50 歲以上健康男性體檢中，1/3 的男性 B 超發(fā)現(xiàn)有前列腺結(jié)節(jié)，近 10% 出現(xiàn) PSA 異常升高，這些大量的"可疑患者"給臨床診斷帶來極大的困難，也給"患者"帶來了巨大的心理壓力。目前，全球各大臨床指南推薦磁共振檢查（PI-RADS評分）進一步確診，并據(jù)此進行前列腺穿刺活檢來最終確定患者的診斷結(jié)果。然而，磁共振 PI-RADS 評分存在兩大缺陷：1）主觀性缺陷--該評分本質(zhì)上依賴放射科醫(yī)生經(jīng)驗判斷。以往研究顯示不同醫(yī)生間判讀差異高達 30%。這種主觀偏差使精準診斷如同"輪盤賭局"--患者可能因假陰性延誤治療，或因假陽性承受過度穿刺。2）準確性缺陷。PI-RADS 評分分為 1-5 級，對應(yīng)不同癌變可能性。即使是最高水平最有經(jīng)驗的醫(yī)生給出了"準確"的 PI-RADS 評分，也無法"準確"判斷有無腫瘤，可能導致過度穿刺或者漏診。
因此，亟需一種高效、準確且無創(chuàng)的預測工具，用于輔助"臨床可疑"患者的診斷和惡性程度分級。人工智能（AI）等新興技術(shù)的出現(xiàn)，為影像學數(shù)據(jù)與病理學結(jié)果之間的關(guān)聯(lián)提供了新的工具，從而為實現(xiàn)無創(chuàng)精準診斷與分級開辟了新的可能。
2025 年 9 月 2 日，海軍軍醫(yī)大學第二附屬醫(yī)院（上海長征醫(yī)院）任善成教授聯(lián)合北京大學第三醫(yī)院張樹棟教授、南京醫(yī)科大學第一附屬醫(yī)院李杰教授、北京友誼醫(yī)院王良教授、青島大學附屬醫(yī)院聶佩教授、安徽大學邵立智教授等多學科醫(yī)工交叉團隊，在 Nature 子刊 Nature Cancer 上發(fā)表了題為：An MRI-Pathology Foundation Model for Non-Invasive Diagnosis and Grading of Prostate Cancer 的論文。
該研究開發(fā)并驗證了一個基于多中心真實臨床數(shù)據(jù)的用于前列腺癌高效、準確且無創(chuàng)診斷和分級的影像-病理基礎(chǔ)模型--MRI-PTPCa，展示了人工智能（AI）結(jié)合磁共振成像（MRI）如何定量反映前列腺腫瘤的病理特征，進一步增強了 AI 基礎(chǔ)模型在臨床實踐中用于癌癥高效、準確且無創(chuàng)診斷和分級的潛力，有望顯著減少不必要的前列腺穿刺活檢，有效降低患者痛苦和并發(fā)癥風險，最終為前列腺癌患者帶來更舒適、安全的診療體驗與福祉。
研究團隊招募了來自多個中心的回顧性和前瞻性患者隊列（n=5747），并收集了放射學、病理學和臨床檢查數(shù)據(jù)。AI 模型的評估涵蓋了時間外部測試、空間外部測試、人口外部測試及前瞻性測試。為減少圖像序列遺漏、過擬合和儀器差異帶來的負面影響，研究使用了 1296950 對影像數(shù)據(jù)進行基礎(chǔ)模型的構(gòu)建，集成了自監(jiān)督學習、任務(wù)多重學習、Transformer 及基礎(chǔ)模型遷移學習技術(shù)，顯著提升了預測性能。
研究團隊設(shè)計的 AI 模型--MRI-based Predicted Transformer for Prostate Cancer（MRI-PTPCa），通過三個磁共振影像序列（T2WI、DWI、ADC）預測只有在病理評估中才能獲得的腫瘤侵襲性信息，從而輔助臨床醫(yī)生診斷前列腺癌、臨床顯著前列腺癌及病理分級。回顧性研究中，7 個機構(gòu)、4 個醫(yī)療中心和 1 個國際數(shù)據(jù)集參與了多中心測試。前瞻性研究則通過將 AI 模型作為獨立系統(tǒng)、平行系統(tǒng)和預警系統(tǒng)進行測試。
在實際測試中，MRI-PTPCa 的預測結(jié)果與病理學評估結(jié)果具有顯著一致性，并且優(yōu)于臨床評估和其他預測模型（前列腺癌 AUC=0.983，臨床顯著前列腺癌 AUC=0.978，分級準確率=89.1%）。值得注意的是，基于 MRI-PTPCa 與多參數(shù) MRI 聯(lián)合使用，在非侵入性診斷和分級方面，其表現(xiàn)與病理評估不相上下。MRI-PTPCa 有望成為一種新型的非侵入性前列腺癌診斷和分級工具。
在可解釋性方面，研究團隊將影像、前列腺根治術(shù)大切片、人工智能可視化熱圖與量化特征進行了對照分析，以從放射學、病理學和血液學的角度解釋 MRI-PTPCa 模型的優(yōu)越性能。結(jié)果表明，MRI-PTPCa 得分與真實的格里森分級之間存在顯著正相關(guān)?；陬悇e激活映射（Class Activation Mapping，CAM）的注意力熱圖突出了對預測結(jié)果做出貢獻的關(guān)鍵區(qū)域和范圍。此外，T2WI、DWI 和 ADC 在前列腺癌的診斷和分級中的貢獻性也通過量化分析，證明了它們與 PI-RADS 專家共識的高度一致性。MRI-PTPCa 的融合特征與前列腺腫瘤中的細胞強度、形態(tài)和紋理信息顯著相關(guān)，進一步驗證了影像學與病理學關(guān)聯(lián)的可行性。MRI-PTPCa 中的多參數(shù) MRI 特征在前列腺癌的病理表型中具有顯著性，包括非前列腺癌、前列腺癌和臨床顯著前列腺癌。基礎(chǔ)模型的編碼特征還與 tPSA、fPSA 和 f/t PSA 呈現(xiàn)顯著相關(guān)性，為前列腺癌的分子層面信息提供了有力支持。
綜上所述，研究團隊開發(fā)并驗證了一個基于多中心真實臨床數(shù)據(jù)的用于前列腺癌高效、準確且無創(chuàng)診斷和分級的影像-病理基礎(chǔ)模型。研究展示了 AI 結(jié)合 MRI 如何定量反映前列腺腫瘤的病理特征，進一步增強了 AI 基礎(chǔ)模型在臨床實踐中用于癌癥高效、準確且無創(chuàng)診斷和分級的能力。
論文鏈接：
https://www.nature.com/articles/s43018-025-01041-x
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號-57
