AI结合PI-RADS v2.1标准减少PI-RADS 3分病灶判读不一致性

目前，前列腺影像报告和数据系统2.1版（PI-RADS v2.1）已成为前列腺多参数磁共振成像（mpMRI）判读的标准化体系，但其中3分病灶的判读存在较大主观差异，容易导致观察者间分歧及不必要的穿刺活检。人工智能（AI）系统通过提供客观的图像分析手段，有助于优化前列腺MRI判读流程，减少过度诊断问题。

在此背景下，一项题为“Artificial intelligence incorporating PI-RADS v2.1 reduce ambiguity in PI-RAD 3 lesion and prevent unnecessary prostate biopsies”的研究在2026年第41届欧洲泌尿外科协会（EAU）年会上发布了最新成果。

本研究的目标是构建并验证一个基于PI-RADS v2.1标准的AI系统，用于分析前列腺mpMRI图像，评估其在前列腺病变良恶性鉴别中的诊断准确性，明确其在降低PI-RADS 3分病灶评估不确定性、减少临床不必要的前列腺穿刺活检中的实际价值。

该研究为回顾性单中心研究，研究团队使用开源PROSTATEx挑战赛数据库中的204例患者数据及台湾成功大学附属医院（NCKUH）的30例患者数据构建了基于U-Net 3+架构的AI系统。随后将该AI算法应用于NCKUH 70例患者的前列腺mpMRI扫描影像中，对比AI判读与放射科医师判读给出的PI-RADS评分，以MRI靶向穿刺活检或前列腺切除术获取的组织病理学结果作为诊断金标准。研究的主要终点为AI系统与放射科医师鉴别病灶良恶性的受试者工作特征曲线下面积（AUROC）。

该AI系统在鉴别良性前列腺增生（BPH）与非临床显著前列腺癌（non-csPCa）方面表现优于放射科医师，AUROC较放射科医师提升11.8%（95%CI：0.386-23.214%，P=0.043）。其中放射科医师判读的AUROC为0.695（95%CI：0.572-0.818，P=0.005），AI系统的AUROC可达0.813（95%CI：0.711-0.916，P<0.001）（图1）。

图1 该AI系统与放射科医师的AUROC比较

该AI系统将16例初始被放射科医师评估为PI-RADS 3分及以上的病例重新分类为PI-RADS 2分及以下，这些病例的最终病理结果均为BPH或non-csPCa（表1）。

表1 AI系统对70例患者PI-RADS评分的重新分类

同时该AI系统生成的PI-RADS评分呈现出清晰的二分类分布特征，在鉴别BPH与non-csPCa方面表现更优异（图2）。

图2 AI生成PI-RADS评分的二分类分布

该研究开发的融合PI-RADS v2.1标准的AI系统，在鉴别BPH与non-csPCa方面展现出优于放射科医师的诊断效能。其生成的PI-RADS评分可有效降低PI-RADS 3分中等可疑病灶的评估不确定性，具备避免临床不必要前列腺穿刺活检的应用潜力，可为前列腺癌的精准影像评估与个体化穿刺决策提供新的循证依据。

参考文献

[1] Turkbey B, Rosenkrantz AB, Haider MA, et al. Prostate Imaging Reporting and Data System Version 2.1: 2019 Update of Prostate Imaging Reporting and Data System Version 2. Eur Urol. 2019 Sep;76(3):340-351.

[2] Lin K-C., Liu S.W., Kuo Y.M., et al. Artificial intelligence incorporating PI-RADS v2.1 reduce ambiguity in PI-RAD 3 lesion and prevent unnecessary prostate biopsies. Eur Urol Suppl, 2026, 89(S 1):P0917.

审批编号：CN-182987

有效期至：2026/10/23

本材料由阿斯利康提供，仅供医疗卫生专业人士参考，不用于推广目的。若涉及具体药物使用，请参考相关药物说明书，阿斯利康不建议您将产品超说明书使用。

撰写：Nobody

审校：Nobody

排版：Zelda

执行：Zelda