Inteligencia artificial y radiólogos en la detección del cáncer de próstata en resonancia magnética: el desafío PI-CAI

El cáncer de próstata (CaP) es uno de los cánceres más prevalentes en hombres en todo el mundo. Un millón de hombres reciben un diagnóstico y 300 000 mueren por CaP clínicamente significativo (CPcs) (definido como ISUP≥2), cada año, en todo el mundo. La resonancia magnética multiparamétrica (mpMRI) está jugando un papel cada vez más importante en el diagnóstico precoz del cáncer de próstata y ha sido recomendada por la Asociación Europea de Urología (EAU), antes de las biopsias. Sin embargo, las pautas actuales para la lectura de mpMRI de próstata (es decir, PI-RADS v2.1) siguen una evaluación semicuantitativa que exige una experiencia sustancial para un uso adecuado. Esto puede conducir a un bajo acuerdo entre lectores (<50%), una interpretación subóptima y un sobrediagnóstico.

Los algoritmos modernos de inteligencia artificial (IA) han allanado el camino para los potentes sistemas de detección y diagnóstico asistidos por computadora (CAD) que rivalizan con el rendimiento humano en el análisis de imágenes médicas. Los ensayos clínicos son el estándar de oro para evaluar nuevos medicamentos e intervenciones de manera controlada y comparativa, y el equivalente para desarrollar algoritmos de IA son las competencias internacionales o "grandes desafíos", donde se hacen públicos conjuntos de datos cada vez más grandes para resolver tareas clínicamente relevantes con IA. . Los grandes desafíos pueden abordar la falta de confianza, evidencia científica y validación adecuada entre las soluciones de IA, al proporcionar los medios para comparar algoritmos entre sí utilizando conjuntos de datos comunes y una configuración experimental unificada.

PI-CAI (Prostate Imaging: Cancer AI) es un gran desafío completamente nuevo, con más de 10 000 exámenes de IRM de próstata cuidadosamente seleccionados para validar los algoritmos modernos de IA y estimar el desempeño de los radiólogos en la detección y el diagnóstico de csPCa. Los aspectos clave del diseño del estudio se han establecido en conjunto con un consejo asesor científico multidisciplinario internacional (16 expertos en IA de próstata, radiología y urología) -para unificar y estandarizar las pautas actuales y garantizar una validación significativa de la próstata- IA hacia la traducción clínica.

La edición 2022 de PI-CAI se centrará en validar la IA en la detección y el diagnóstico 3D automatizados de csPCa en bpMRI. PI-CAI consta principalmente de dos subestudios:

• Estudio de IA (Gran Desafío): Un conjunto de datos anotado de múltiples centros y múltiples proveedores de exámenes de resonancia magnética de 1500 bp (incluidas sus variables clínicas y de adquisición) se pone a disposición del público para todos los equipos participantes y la comunidad de investigación en general. Los equipos pueden usar este conjunto de datos para desarrollar modelos de IA y enviar sus algoritmos entrenados (en contenedores Docker) para su evaluación. Al final de esta fase de desarrollo abierta, todos los algoritmos se clasifican en función de su rendimiento en una cohorte de prueba oculta de 1000 escaneos no vistos. En la fase de prueba cerrada, los organizadores vuelven a entrenar los 5 algoritmos de IA de mayor rango utilizando un conjunto de datos más grande de exploraciones MRI de 7500-9500 bp (incluidas exploraciones de entrenamiento adicionales de un conjunto de datos privado). Finalmente, su desempeño se vuelve a evaluar en la cohorte de prueba oculta (con análisis estadísticos rigurosos), para determinar los 3 mejores algoritmos de IA para la detección y el diagnóstico 3D automatizados de csPCa en bpMRI (es decir, los ganadores del gran desafío).
• Estudio de lectores: más de 50 radiólogos de próstata internacionales realizan un estudio de lectores utilizando un subconjunto de 400 escaneos de la cohorte de prueba oculta. Para cada caso, los radiólogos completan sus evaluaciones en dos rondas. Al principio, utilizando variables clínicas y de adquisición más secuencias de bpMRI únicamente, lo que permite comparaciones directas con la IA entrenada en las mismas. Y luego, utilizando variables clínicas y de adquisición más secuencias completas de mpMRI, lo que permite realizar comparaciones entre la IA y la práctica clínica actual (PI-RADS v2.1). En general, el objetivo de este estudio es estimar el desempeño del radiólogo promedio en la detección y diagnóstico de csPCa en MRI.

Al final, PI-CAI tiene como objetivo comparar los algoritmos de IA de última generación desarrollados en el gran desafío, con los radiólogos de próstata que participan en el estudio de lectura, para evaluar la viabilidad clínica de las soluciones modernas de IA de próstata en la detección y el diagnóstico de csPCa. en resonancia magnética