記者近日從海軍軍醫大學第二附屬醫院（上海長征醫院）獲悉，剛剛榮獲2024年上海市自然科學獎一等獎的該院泌尿外科任善成教授團隊聯合國內多家頂尖醫療機構和大學，又取得新成果：團隊成功構建了一種基於人工智慧的前列腺癌影像—病理基礎模型，實現從磁共振影像中無創預測腫瘤侵襲性，診斷性能顯著優於現有臨床方法。
這一研究成果為前列腺癌無創精準診斷與分級提供了新方向，相關研究成果日前在線發表於國際頂級期刊《nature cancer》。
前列腺癌已成為全球男性第二高發癌症。隨著我國人口老齡化加劇和生活方式變化，前列腺癌發病率正以每年13%的速度快速增長，目前已位居中國男性惡性腫瘤發病率的第六位。數據顯示，2024年我國新發前列腺癌病例預計達14.4萬，到2035年，這一數字可能突破25萬。
前列腺癌的臨床診斷主要依賴血液psa檢測、b超和直腸指檢，然而臨床實踐發現：在50歲以上男性群體中，近三分之一經b超可檢出前列腺結節，約10%出現psa異常升高。大量「疑似患者」不僅給醫療系統帶來壓力，也造成顯著的心理負擔。
目前，全球各大臨床指南多推薦磁共振檢查（pi-rads評分）進行進一步診斷，並依據其結果實施穿刺活檢。然而該評分系統存在兩大痛點：一是依賴醫生主觀經驗，不同醫師之間判斷差異最高可達30%，診斷一致性低；二是即便在高評分區間仍存在準確性局限，無法完全避免漏診或過度穿刺。因此，臨床迫切需要一種更客觀、精準且無創的輔助診斷工具。
任善成教授團隊該項研究成果匯聚了來自多個中心的5700餘例患者數據，利用近130萬對影像區塊訓練出ai模型（mri-based predicted transformer for prostate cancer，簡稱mri-ptpca），集成了自監督學習、任務多重學習、transformer及基礎模型遷移學習技術，僅依靠t2wi、dwi和adc三類磁共振序列，即可預測原本需穿刺活檢才能獲取的病理分級信息，預測腫瘤的auc高達0.983，分級準確率高達89.1%，表現與國際專家評估結果高度一致。研究還通過可視化熱圖技術展示了ai關注的關鍵區域，模型判斷與病理切片結果在空間分布上顯著吻合，體現出良好的可解釋性。
「這項研究為前列腺癌的無創、精準診斷提供了新路徑，有望大幅度減少不必要的穿刺和過度診斷，減少患者痛苦和降低醫療負擔。」任善成介紹。
據悉，此項研究獲多名國際評審專家的高度評價，認為其「為ai基礎模型中用於癌症高效、準確且無創診斷和分級提供了高水平臨床證據」。
