Utveckling av artificiell intelligensmodeller för segmentering och karaktärisering av prostatacancer: en retrospektiv observationsstudie med ett centrum.

Prostatacancer är den näst vanligaste cancerformen i den manliga befolkningen. Denna patologi representerar ett onkologiskt och folkhälsoproblem, särskilt i utvecklade länder, på grund av en större närvaro av äldre män i befolkningen.

Medicinsk avbildning spelar en central roll i iscensättningen och återställningen av prostatasjukdom. Magnetisk resonanstomografi (MRT), datortomografi (CT) och positronemissionstomografi (PET) är bland de metoder som vanligtvis används i normal klinisk praxis för karakterisering av prostatacancer. Hittills är studiet av dessa bilder begränsad till en kvalitativ visuell analys, men det finns allt fler bevis för användbarheten av att införa en kvantitativ (eller semikvantitativ) analys av biomedicinska bilder.

Den nuvarande ökningen av tillgängliga bilddata, och deras kvalitet, tillåter tillämpning av artificiell intelligensmetoder även inom det medicinska området för automatisering av uppgifter (t. automatisk segmentering) och klassificering (t.ex. tumöraggressivitet).

Extraktion av kvantitativa data, och mer allmänt studiet av tumörskador, kräver manuell segmentering av en eller flera läkare. Denna process kräver mycket långa tider eftersom varje bild måste bearbetas individuellt; dessutom beror resultatet också på erfarenhetsnivån hos den läkare som utför segmenteringen och detta kan skapa en källa till heterogenitet, vilket påverkar reproducerbarheten av segmenteringen.

AI-baserade automatiska segmenteringsmetoder kan appliceras på medicinska bilder för lokalisering av tumörskador, och därmed överskrida gränserna för manuell segmentering.