面向全球人群的前列腺癌MRI检测与筛查人工智能系统验证:SCARLET-1研究

《Radiology》:Artificial Intelligence for Prostate Cancer Detection and Screening on MRI in Global Populations: The SCARLET-1 Study

【字体: 大 中 小 】 时间:2026年10月14日 来源:Radiology 17.6

编辑推荐:

  摘要翻译: 背景:人工智能(AI)系统在前列腺癌MRI检测中已显示出不劣于放射科医生的诊断性能,但在全球诊断场景和基于人群的筛查环境中的证据仍然有限。 目的:确定AI系统在外部诊断和筛查数据集中,检测Gleason分级分组≥2前列腺癌的性能是否可与放射学阅片相

  
摘要翻译:
背景:人工智能(AI)系统在前列腺癌MRI检测中已显示出不劣于放射科医生的诊断性能,但在全球诊断场景和基于人群的筛查环境中的证据仍然有限。
目的:确定AI系统在外部诊断和筛查数据集中,检测Gleason分级分组≥2前列腺癌的性能是否可与放射学阅片相当。
材料与方法:在SCARLET-1回顾性验证研究中,纳入了疑似前列腺癌成年患者的前列腺MRI(2012年1月—2024年10月),用于评估AI系统,并在诊断(PRIME)和系统性筛查(STHLM3-MRI和IP1-PROSTAGRAM)环境中进行外部测试。主要结局为AI评估与Gleason分级分组≥2癌症标准诊断的一致性,诊断互换性定义为相对于平均放射科医生预期一致性。次要结局包括各数据集和亚组的受试者工作特征曲线下面积(AUC)。
结果:共纳入22,445次检查(21,252例男性患者;中位年龄66岁[IQR 60–71]):20,471次前列腺MRI检查(19,278例患者;26个城市,14个国家)用于AI训练和内部测试,1974例患者(20个外部城市,12个国家)用于外部测试。外部AUC在PRIME中为0.86(95% CI: 0.83, 0.90),在STHLM3-MRI中为0.89(95% CI: 0.86, 0.92),在IP1-PROSTAGRAM中为0.84(95% CI: 0.70, 0.95)。主要结局分别为83.0%(476例中395例;校正后95% CI: 78.8%, 87.0%)、87.9%(1108例中974例;校正后95% CI: 85.6%, 90.3%)和87.7%(390例中342例;校正后95% CI: 83.6%, 91.5%),所有数据集均达到预设的互换性标准。亚组性能在年龄、风险、癌症位置和种族方面一致(平均ΔAUC为0.02),但在25个中心间差异显著(28%的中心AUC<0.80;32%的中心AUC≥0.90),并随图像质量变化(AUC为0.78–0.88)。
结论:AI在外部诊断和筛查数据集中表现出与放射学阅片相当的诊断性能。
论文解读:SCARLET-1研究——全球多中心验证AI系统在前列腺癌MRI检测与筛查中的诊断互换性

一、研究背景与目的
前列腺癌是全球最常见恶性肿瘤之一,也是癌症相关死亡的主要原因。《柳叶刀》前列腺癌委员会预测,未来二十年内新发病例数将翻倍至每年290万,亟需扩大诊断能力并探索筛查策略。MRI联合或不联合活检已成为疑似前列腺癌患者检查的国际标准,然而前列腺MRI判读存在较大差异,准确解读需要专科泌尿放射学经验,仅在高容量中心可得。同时,全球放射科医生短缺因人口老龄化和影像需求增加而持续加剧,尤其在中低收入地区。人工智能(AI)系统已在标准化诊断环境中显示出不劣于62名放射科医生检测Gleason分级分组≥2前列腺癌的性能,但在真实世界全球多族裔人群以及组织化筛查环境中的确证性研究仍然有限。SCARLET-1研究旨在填补这一证据空白,主要评估AI系统在外部诊断和筛查数据集中是否达到与放射学阅片相当的诊断性能,并探索影响AI系统在局部临床工作流程中维持诊断可靠性的因素。

二、主要技术方法
研究人员开展了一项国际多联盟、确证性、2b级证据、回顾性诊断互换性研究,覆盖22个国家46个城市。研究纳入了2012年1月至2024年10月期间来自46个中心的22,445次前列腺MRI检查(21,252例男性患者)。数据分为训练集(n=18,471)、两个内部测试集(PI-CAI n=1000;来自13个国家22个城市的异质数据集 n=1000)以及三个外部测试集:诊断环境PRIME(n=476)、基于人群筛查STHLM3-MRI(n=1108)和IP1-PROSTAGRAM(n=390)。训练和内部测试集为回顾性便利样本,外部测试集则来自前瞻性招募的试验。受试者接受38种不同1.5-T和3.0-T扫描仪检查,图像采集和判读遵循PI-RADS 1–2.1版。AI系统为PI-CAI-2B,使用T2加权、高b值弥散加权和表观弥散系数图像,经前列腺中心裁剪和可变形配准处理,体素级分割产生0–100分疑似Gleason分级分组≥2癌症的似然评分,再结合年龄、前列腺体积和PSA通过逻辑回归聚合为病例级怀疑评分。外部测试集图像由至少两名专家放射科医生使用PI-QUAL v2进行独立质量评分。主要结局为AI在预设工作点与标准诊断的一致性,诊断互换性定义为AI一致性不低于平均放射科医生的一致性,后者来源于PI-CAI多阅片者多病例观察研究(62名放射科医生,45个中心,20个国家)。统计方法包括n-out-of-n自助法估计95%置信区间,使用Bonferroni校正98.3%置信阈值,并采用Cochran Q检验评估中心异质性。

三、研究结果
主要结局:AI系统在PRIME、STHLM3-MRI和IP1-PROSTAGRAM中的外部AUC分别为0.86(95% CI: 0.83, 0.90)、0.89(95% CI: 0.86, 0.92)和0.84(95% CI: 0.70, 0.95)。AI与标准诊断的一致性分别为83.0%(395/476)、87.9%(974/1108)和87.7%(342/390),均高于平均放射科医生预期一致性(67.4%、74.6%和72.8%),差值分别为15.5%、13.3%和14.9%,三个数据集均满足预设诊断互换性标准。决策曲线分析显示,AI系统在癌症规避阈值(10–30%)和活检规避阈值(>30%)均保持正向净获益,与各外部测试集的局部放射学阅片表现相似。
组织学验证子集分析:在预设工作点(敏感性73–76%,特异性88–90%)下,AI系统在STHLM3-MRI中比放射学阅片多产生1倍以上的非必要活检(47对21),但多检出26.1%的高级别癌症(145对115);在IP1-PROSTAGRAM中,AI系统减少19.2%的非必要活检(21对26),且检出的≥2级癌症数量相同(11对11)。在高敏感性工作点(90%敏感性,58%特异性)下,AI系统在PRIME中减少34.2%的非必要活检(98对149个假阳性),但少检出9.1%的癌症(130对143)。
内部测试集结果:在标准化三级医疗环境的主要内部测试集中,AI的AUC为0.92(95% CI: 0.90, 0.94);在异质环境内部测试集中AUC为0.84(95% CI: 0.82, 0.87)。25个中心中,32%的中心AUC在0.90–1.00,40%在0.80–0.90,16%在0.70–0.80,12%在0.60–0.70。异质性检验确认变异超过抽样变异(Cochran Q=130.7;I2=81.6%)。性能最低的中心呈现高度偏斜的数据构成(92–100%阳性MRI,20–68%患者诊断为Gleason分级分组1癌症),而性能最高的中心则呈相反偏斜。
亚组分析:在合并外部测试集中,AUC在不同年龄(0.86–0.87)、种族(均为0.86)、癌症位置(0.82–0.86)和风险分层(0.82–0.86)中均保持一致(平均ΔAUC=0.02)。最大差异来自图像质量,PI-QUAL 1(不足)时AUC为0.78(95% CI: 0.68, 0.87),PI-QUAL 3(最佳)时为0.88(95% CI: 0.85, 0.91)。

四、讨论与结论
讨论部分指出,AI在外部诊断和筛查环境中表现与标准放射学阅片相当,且覆盖了地理多样和代表性不足区域,但全球南方代表性仍不足。亚组分析显示年龄、种族、癌症位置和风险分层间性能大致一致。研究强调安全部署需考虑工作点选择,预设工作点特异性高但敏感性较低,适合低患病率筛查环境;高敏感性工作点更适合诊断环境。AI性能高度依赖临床环境,受病例构成和图像质量影响,因此建议进行本地验证和持续性能监测,必要时进行重新校准或微调。局限性包括:回顾性分析混合了连续患者和便利样本;部分亚组样本量小;预设工作点非为临床使用设计;外部测试集遵循试验特定方案,组织学参考标准主要针对阳性MRI或高风险患者,阴性MRI多数未行活检,无法完全表征真阴性率;统计推导的放射科医生表现可能偏乐观。结论认为,SCARLET-1研究表明AI在多样人群和临床环境中达到了与标准放射学阅片相当的诊断性能,支持AI在扩展前列腺MRI判读能力方面的潜在作用,尤其适用于亚专科资源有限的地区。安全临床使用需谨慎选择工作点、进行本地测试和纵向性能监测,并需前瞻性评估临床、公平性和成本结局。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号