診斷校準式 AI 影像品質架構應用於 MRI 前列腺癌偵測

導讀：診斷校準式 AI 影像品質架構應用於 MRI 前列腺癌偵測

前列腺 MRI 的影像品質會直接影響 clinically significant prostate cancer（csPCa）的偵測，但傳統品質評估多仰賴主觀判讀。本研究提出一個以診斷表現校準的 AI 影像品質架構，試圖把「影像看起來好不好」轉化為與 csPCa 偵測能力連動的客觀分數。這是一項單中心回溯性研究，納入 Radboud University Medical Center 於 2014 年 1 月至 2023 年 12 月連續完成的 12,496 例前列腺 multiparametric MRI 檢查；其中 1,229 組 axial T2-weighted series 用於訓練影像品質模型，568 例 multiparametric MRI 檢查用於診斷測試，整體涉及 1,638 名男性，年齡中位數 67 歲（IQR 62–71）。研究採兩步驟：先以最可靠的低品質與高品質 T2WI 影像訓練深度學習模型，產生連續影像品質分數；再於獨立內部測試集，將此分數與 csPCa 偵測表現連結，參考標準為切片病理。結果顯示，品質模型在五折交叉驗證中區分低與高品質影像的平均 AUC 為 0.99。依影像品質分數 10% 至 80% 閾值分析時，AI 偵測 csPCa 的 AUC 由 0.92（95% CI 0.89–0.94）提升至 0.99（95% CI 0.97–1.00），趨勢檢定 P=.005；臨床放射科醫師偵測 csPCa 的 accuracy 由 77%（95% CI 73–80）提升至 85%（95% CI 78–91），P=.01。作者認為，此架構提供標準化且客觀的 MRI 品質分數，並與 AI 模型及放射科醫師診斷表現改善相關。限制在於單中心、回溯性設計，且診斷測試為內部驗證，仍需外部與前瞻性驗證。

臨床意義

這篇研究的臨床價值在於把前列腺 MRI 品質從主觀印象轉為可量化、且與 csPCa 偵測表現相關的指標。對臨床流程而言，未來可能用於掃描品質控管、重掃決策、AI 判讀可信度分層，甚至協助標準化多中心 MRI 品質。不過證據等級仍屬單中心回溯性診斷研究與內部驗證，尚不能直接視為可全面改變臨床流程的定論。

重點整理

• 研究分析 2014–2023 年連續 12,496 例前列腺 multiparametric MRI，並以 1,229 組 T2WI 訓練影像品質模型。
• 影像品質模型在五折交叉驗證中區分低品質與高品質影像的平均 AUC 達 0.99。
• 在內部診斷測試集中，AI 偵測 csPCa 的 AUC 隨品質閾值由 0.92 提升至 0.99，P=.005。
• 放射科醫師在 routine clinical practice 的 csPCa 偵測 accuracy 由 77% 提升至 85%，P=.01。
• 此為單中心回溯性、內部驗證研究，結果支持導入客觀 MRI 品質控管，但仍需外部前瞻驗證。