前列腺癌是男性第二常见的癌症，每年在美国约有30万人被诊断出患有这种疾病。为了开发一种一致的方法来估算前列腺癌的大小，这有助于临床医生更准确地做出治疗决策，马萨诸塞州总医院布里格姆（Mass General Brigham）的研究人员基于700多名前列腺癌患者的MRI扫描训练和验证了一个AI模型。该模型能够识别并勾勒出85%最放射学上侵袭性的前列腺病变的边缘。根据AI模型估计的肿瘤体积较大与更高的治疗失败和转移风险相关，独立于通常用于评估这一风险的其他因素。此外，对于接受放疗的患者，肿瘤体积比传统的风险分层更好地预测转移。研究人员认为，该工具可以帮助临床医生了解肿瘤的侵袭性，制定更个性化的治疗计划，并指导放疗。该研究发表在《放射学》杂志上。
“AI确定的肿瘤体积有可能通过提高我们理解患者癌症侵袭性的能力，推进前列腺癌患者的精准医疗，从而推荐最合适的治疗方案。”该研究的第一作者、马萨诸塞州总医院布里格姆放射肿瘤科的戴维·D·杨博士（David D. Yang, MD）说，他是该医疗系统的创始成员之一。
MRI提高了临床医生诊断前列腺癌的能力，已成为诊断和治疗的常规部分。虽然人类临床医生可以根据MRI图像估计肿瘤大小，但这些估计具有一定的主观性，因人而异。为了开发一种更一致的肿瘤大小估算方法，研究人员基于732名在单个中心接受治疗的前列腺癌患者的MRI图像训练了一个AI模型。然后，他们调查了AI模型的大小估计是否与诊断后5到10年的治疗成功相关。结果显示，该AI模型能够定位并测量患者队列中约85%的PI-RADS（前列腺影像报告和数据系统）评分为5的前列腺肿瘤，该评分表明高度临床显著前列腺癌的风险。模型的大小估计还显示出作为预后标志物的潜力：较大的肿瘤与前列腺特异性抗原（PSA）水平升高或转移的风险更高相关，无论患者是接受手术还是放疗。
“AI测量本身可以提供额外的信息，帮助了解患者的预后。”该研究的高级作者、马萨诸塞州总医院布里格姆放射肿瘤科的马丁·金博士（Martin King, MD, PhD）说。“对于患者来说，这可以真正告诉他们治愈的机会有多大，以及他们的癌症未来复发或转移的可能性。”
除了帮助临床医生和患者了解其癌症的侵袭性外，AI模型还可以通过精确定位肿瘤的焦点区域来指导放射肿瘤学家进行更针对性的治疗。与目前预测前列腺癌侵袭性的方法相比，AI辅助测试的速度要快得多，通常需要两周或更长时间才能得出结果。AI辅助测试意味着患者可以更快开始治疗。癌症研究是马萨诸塞州总医院布里格姆为患者提供的护理的基础支柱。研究结合系统在创新、教育和社区参与方面的优势，使马萨诸塞州总医院布里格姆癌症中心能够为所有人提供综合癌症护理，将健康公平置于支持的核心。其愿景是提供全面、综合和研究导向的癌症护理方法，帮助患者导航整个护理过程，从预防和早期检测到治疗和生存期管理。展望未来，研究人员计划使用更大的多机构数据集来测试他们的模型。
“我们希望使用其他机构和具有不同疾病特征的患者队列来验证我们的发现，以确保这种方法适用于所有患者。”杨博士说。
(全文结束)
