图 人工智能模型应用场景及诊断性能
在国家自然科学基金项目（批准号：82125025，82330091，82302316）等资助下，海军军医大学任善成教授团队与北京大学张树栋教授、南京医科大学李杰教授、首都医科大学王良教授、青岛大学聂佩教授合作，在前列腺癌人工智能辅助无创精准诊断与分级研究方面取得进展。相关成果以“磁共振-病理基础模型实现前列腺癌无创诊断和分级（An MRI-pathology foundation model for noninvasive diagnosis and grading of prostate cancer）”为题，于2025年9月2日在线发表于《自然・癌症》（Nature Cancer）杂志，论文链接：https://www.nature.com/articles/s43018-025-01041-x。
我国前列腺癌发病率持续增长，前列腺穿刺活检是诊断“金标准”但其为有创操作，存在并发症与假阴性可能。多参数磁共振成像（mpMRI）及前列腺影像报告和数据系统（PI-RADS）虽是无创筛查的优选，却受主观性强、准确性不足的局限。目前，PI-RADS评分难以精准诊断前列腺肿瘤，迫切需要更优的无创辅助诊断手段。
研究团队基于多中心真实临床数据，开发并验证了一个用于前列腺癌无创诊断和分级的影像-病理基础模型（MRI-PTPCa）。该模型整合了T2WI、DWI和ADC三个磁共振序列，通过自监督学习及Transformer等技术构建，利用近130万份配对数据进行训练，多中心队列招募了超5500例患者进行回顾性与前瞻性测试，发现其预测结果与病理评估结果有很好的一致性，在诊断前列腺癌、区分临床显著前列腺癌及确定前列腺癌病理分级方面均优于传统临床评估体系和其他诊断模型。该模型的可解释性分析表明，智能化评分与格里森分级显著正相关，其融合特征与肿瘤细胞形态纹理显著相关，编码特征与血液PSA指标显著相关（图）。
该研究展示了人工智能结合磁共振在前列腺癌无创诊断和分级中的应用潜力，有望减少患者不必要的穿刺，降低患者痛苦，提升诊疗准确性与安全性。