Key points are not available for this paper at this time.
الخلفية: يمكن أن يساعد التصوير بالرنين المغناطيسي متعدد المعلمات في تحديد سرطان البروستاتا المهم سريرياً (csPCa) (درجة Gleason ≥7) ولكن يحده خبرة القارئ وتفاوت الملاحظات بين المراقبين. في المقابل، ينتج التعلم العميق (DL) مخرجات حتمية. الغرض: تطوير نموذج DL للتنبؤ بوجود csPCa باستخدام تسميات على مستوى المريض دون معلومات عن موقع الورم ومقارنة أدائه بأداء أخصائيي الأشعة. المواد والطرق: تم مراجعة بيانات المرضى الذين ليس لديهم csPCa معروف والذين خضعوا لـ MRI من يناير 2017 إلى ديسمبر 2019 في أحد مواقع مؤسسة أكاديمية واحدة بشكل رجعي. تم تدريب شبكة عصبية تلافيفية للتنبؤ بـ csPCa من الصور الموزونة بـ T2، وصور موزونة بالانتشار، وخرائط معامل الانتشار الظاهر، وصور محسنة بالتباين موزونة بـ T1. كان المعيار المرجعي هو التشخيص المرضي. تم تقييم أداء أخصائي الأشعة على النحو التالي: تم استخدام تقارير الأشعة لمجموعة الاختبار الداخلية، وتم استخدام تقييمات PI-RADS لأربعة أخصائيي أشعة لمجموعة الاختبار الخارجية (ProstateX). تمت مقارنة الأداء باستخدام مناطق تحت منحنيات التشغيل الخاصة بالمستقبل (AUCs) واختبار DeLong. تم استخدام خرائط تنشيط فئة الوزن التدرجي (Grad-CAMs) لإظهار توطين الورم. النتائج: من بين 5735 فحصًا في 5215 مريضًا (متوسط العمر، 66 سنة ± 8 SD؛ جميعهم ذكور)، أظهرت 1514 فحصًا (1454 مريضًا) csPCa. في مجموعة الاختبار الداخلية (400 فحص)، كانت AUC 0.89 و0.89 لمصنف DL وأخصائيي الأشعة، على التوالي (
درس كاي وزملاؤه (الخميس) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: