目标：目前缺乏针对多中心、多供应商环境的人工智能（AI）软件用于通过多参数磁共振成像（MRI）检测临床显著性前列腺癌（PCa）的验证。我们比较了一种新的人工智能解决方案与原始多学科团队（MDT）支持的放射科医生解读结果，该AI方案基于来自英国不同医院的独立数据集进行验证。
材料与方法：一款获得欧洲合格认证（CE）的深度学习（DL）计算机辅助检测（CAD）医疗设备（Pi）被训练用于检测Gleason分级组（GG）≥2的癌症，训练数据来自PROSTATEx数据集及五家英国医院（793名患者）。我们的独立验证数据集涵盖两家制造商的六台设备，覆盖六个地点（252名患者）。研究中包含的数据来自2018年8月至2022年10月期间进行的MRI扫描。对于MRI结果为阴性且未接受活检的患者，假设其为阴性（其中90.4%的前列腺特异性抗原密度<0.15 ng/mL²）。采用ROC分析比较使用五分类怀疑评分的放射科医生的表现。
结果：验证集中GG≥2的患病率为31%。在每位患者层面评估时，Pi的表现不劣于放射科医生（以10%的性能差异作为可接受标准），曲线下面积（AUC）分别为0.91和0.95。在预设的风险阈值3.5下，AI软件的敏感性为95%，特异性为67%，而放射科医生在前列腺影像报告和数据系统/ Likert评分≥3时，识别GG≥2的敏感性为99%，特异性为73%。AI在患者层面的表现按站点分析依然良好（AUC≥0.83），且不受扫描仪年龄和磁场强度的影响。
结论：真实世界数据测试表明，Pi的性能与MDT支持的放射科医生相当，并能推广到多个地点、扫描仪供应商和型号。
关键点：问题——尚未对多中心、多供应商数据进行基于人工智能的前列腺MRI工具性能评估以检验其通用性。发现——一款专用的人工智能医疗工具在前列腺癌检测中的表现可与多学科团队支持的放射科医生匹敌，并能适应多个地点和扫描仪。临床意义——该软件有潜力支持MRI引导下的活检决策和目标识别，但未来需要开展前瞻性研究，对人工智能识别的病灶进行单独活检。
(全文结束)
