放大人类在前列腺癌诊断中的能力：放射学中当前实践和人工智能潜力的经验研究

文献标题

提高人类在前列腺癌诊断中的能力：当前实践的经验研究与人工智能在放射学中的潜力

文献信息

• 主题领域: 放射学与人工智能（AI），特别是前列腺癌诊断
• 关键词: 前列腺癌诊断, 人类中心人工智能 (HCAI), 情境探查, 放射科医生, 计算机辅助检测 (CAD), 深度学习 (DL), 湘AI, 多专业协作

研究背景与问题

• 发现的问题或挑战:

  1. 前列腺癌是全球男性中第二高发的癌症，尤其在德国，预期病例逐年增长。
  2. 放射科医生资源稀缺，诊断的需求和临床工作量矛盾。
  3. 人工智能虽然潜力巨大，但其在医疗实践中的实际应用仍然有限，特别是由于缺乏人类实践与技术的结合。
  4. 重复性、手动性操作任务仍显普遍，诊断流程容易因人为误差而出错，特别是在基于 PI-RADS（前列腺影像报告与数据系统）评分的多参数 MRI 的诊断中，如体积测量和 PSA 密度计算。

• 重要性: 前列腺癌早发现与准确诊断是减少疾病严重性的重要手段。诊断效率的提升以及放射科医生的工作负担减少可以改善病人预后。

• 动机与相关工作:

  • 以前的研究表明，将 AI 集成到放射学有助于提高准确性、效率和一致性。
  • 许多研究探讨了 AI 在乳腺癌和其他疾病诊断中的应用，但在人机协作和实践结合上存在欠缺。
  • 采用 HCAI 的方法，让技术设计更加贴近实际实践需求。

解决方案

• 提出的解决方案:

  • 结合人类中心人工智能 (HCAI) 与实践中心设计，旨在通过人机协作和技术辅助的方法提升前列腺癌诊断。
  • 提议一个名为 PAIRADS 的 AI 實施方案，用于支持 MRI 图像分析和诊断任务，如划分前列腺分区和检测潜在病灶。

• 创新之处:

  1. 将放射科医生的实践经验纳入人工智能设计，并通过协作式互动解决现有挑战。
  2. 提出了双重诊断的新模式：将 AI 作为放射科医生的辅助工具，而非完全取代人类判断。
  3. 强调人际和多学科协作：通过自动反馈系统连接放射科医生、泌尿科医生及病理学家，实现诊断数据共享与验证。

• 实施步骤与关键技术:

  1. 实地调研：在德国的四个放射中心进行情境探查与深度访谈，收集诊断实践与挑战。
  2. AI 系统设计：使用半监督学习（SSL）和深度卷积神经网络（DCNN）训练 AI 模型，从 MRI 图像中学习区域划分及病灶检测。
  3. 原型开发：开发 AI 驱动的可视化工具用于自动区域分割、病灶高亮化和 PI-RADS 分类。
  4. 自动化任务实现：引入自动 PSA 密度计算和报告生成，减少放射科医生手动任务的负担。
  5. 促进跨学科沟通：构建一个多学科平台，简化信息传播和反馈机制。

研究成果

• 具体成果:

  1. 对当前实践（包括诊断流程、手段和系统）进行了结构化整理，揭示五个主要诊断阶段：病人问询、图像获取、图像解读、报告生成和验证。
  2. 提出了面向前列腺癌诊断的设计方案，包括基于 AI 的可视化支持工具和自动化功能。
  3. 强调了通过 "混合智能" 提升诊断准确性的重要性，并提出放射科医生与 AI 的协作框架。

• 优势:

  1. 加速诊断速度：通过自动完成体积测量和 PI-RADS 评分，减少人为误差。
  2. 提高诊断一致性：减少经验差异对结果的影响。
  3. 减少工作量：自动化常见的重复任务（如报告生成和数据传输）。

• 实验或评估结果:

  • 虽然研究中的 AI 系统尚未广泛实施，但初步原型如前列腺边界分割模型已显示出初步可行性。
  • 放射科医生普遍表达了对 AI 的积极态度，期望其成为辅助工具，而非单独承担诊断决策。

• 局限性与未来方向:

  1. 数据样本规模有限，需更大规模的真实患者数据验证 AI 模型的鲁棒性。
  2. 当前的 AI 系统仍处于实验阶段，需进一步改进适应不同的医疗环境。
  3. 下一步将包括临床环境下的实际应用测试，以评估 AI 系统一体化后的效率和医生信任度。