PLoS One：前列腺癌诊断中的计算机辅助检测研究

Tags: 前列腺癌诊断计算机辅助作者：AlexYang 更新：2017-10-21

通过多参数核磁共振成像（mpMRI）技术对前列腺癌（PCa）的诊断目前是计算机辅助检测（CAD）工具发展的挑战。一个创新性的软件（Watson ElementaryTM）能够获得前列腺癌诊断的高敏感性和特异性，同时可以获得与格林森等级的关系。最近，有研究人员在他们的医院MRI前列腺活检数据库中评估了该软件在自动化PCa诊断中的表现。

研究人员回顾性的评估了来自79名且年龄在64.61±6.64岁老年病人的104个病灶的3T T2-加权成像、表观扩散系数（ADC）图和动态对比增强系列。Watson ElementaryTM软件利用信号密度、弥散特性和动力学特点计算出了一个比例格林森预测器，称为恶性肿瘤关注指数（MAI）。该分析关注CAD对区分可疑病灶的敏感性和特异性以及MAI与组织病理学表面实况的关系。

研究发现，该软件具有6.80%的PCa区分敏感性。PCa的特异性为75.41%，阳性预测值占比61.11%，阴性预测值占比为63.23%，发现错误率为38.89%。CAD区分PCa和良性病灶具有相同的概率（卡方检验 P=0.06）。相应地，受试者操作特性分析表明MAI具有较差的预测值，曲线下面积为0.65（P=0.02），这并不比认证过的观察员表现更为优秀。更多的是，MAI并没有阐释与格林森等级显著的联系（P=0.60）。最后，研究人员指出，mpMRI分析的测试版CAD软件在该数据集中是一个较弱的PCa生物标记。靶标前列腺活检和组织学仍旧是前列腺癌诊断的黄金标准。

原始出处：

Thon A， Teichgr？ber U， Tennstedt-Schenk C et al. Computer aided detection in prostate cancer diagnostics： A promising alternative to biopsy？ A retrospective study from 104 lesions with histological ground truth. PLoS One. 12 Oct 2017.

本文系梅斯医学（MedSci）原创编译整理，转载需授权！

来源：MedSci原创

版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言

小提示：本篇资讯需要登录阅读，点击跳转登录

PLoS One：前列腺癌诊断中的计算机辅助检测研究

相关推荐