目的 比较基于双参数MRI的深度学习模型和临床模型对临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的诊断价值,并联合深度学习模型和临床指标建立混合模型,探讨混合模型对csPCa诊断效能的提升价值.材料与方法 回顾性分析本院2017年2月至2022年5月共531例因临床怀疑前列腺癌而行术前MRI并行后续穿刺和/或手术病理检查患者的临床及影像资料,其中csPCa 319例,非csPCa 212例.按照8∶2比例随机划分为训练集(425例)和测试集(106例).手动勾画T2加权成像(T2-weighted imaging,T2WI)、扩散加权成像(diffusion-weighted imaging,DWI)及表观扩散系数(apparent diffusion coefficient,ADC)图像的感兴趣区后采用DenseNet网络建立深度学习模型,采用单因素和多因素逻辑回归筛选出临床特征后建立临床模型,并使用逻辑回归联合深度学习模型和临床特征建立深度学习-临床混合模型.使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型性能,使用DeLong检验比较曲线下面积(area under the curve,AUC).结果 逻辑回归分析显示年龄、前列腺特异性抗原(prostate specific antigen,PSA)及前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)评分为csPCa的独立危险

作者：胡尘翰；乔晓梦；胡冀苏；包婕；曹昌浩；王希明

来源：磁共振成像 2024 年 15卷 2期