MRI 前列腺癌检测中的人工智能和放射科医生：PI-CAI 挑战

前列腺癌 (PCa) 是全世界男性中最普遍的癌症之一。 全世界每年有 100 万男性被确诊，300,000 人死于有临床意义的前列腺癌 (csPCa)（定义为 ISUP≥2）。 多参数磁共振成像 (mpMRI) 在前列腺癌的早期诊断中发挥着越来越重要的作用，并且已被欧洲泌尿外科协会 (EAU) 推荐在活检之前进行。 然而，目前阅读前列腺 mpMRI 的指南（即 PI-RADS v2.1) 遵循半定量评估，要求大量专业知识才能正确使用。 这可能导致读者之间的一致性较低 (<50%)、次优解释和过度诊断。

现代人工智能 (AI) 算法为强大的计算机辅助检测和诊断 (CAD) 系统铺平了道路，这些系统可以与人类在医学图像分析方面的表现相媲美。 临床试验是以可控和比较的方式评估新药物和干预措施的黄金标准，开发 AI 算法的等价物是国际竞赛或“大挑战”，向公众发布越来越大的数据集，以使用 AI 解决临床相关任务. 重大挑战可以解决 AI 解决方案之间缺乏信任、科学证据和充分验证的问题，方法是提供使用通用数据集和统一实验设置相互比较算法的方法。

PI-CAI（前列腺成像：癌症 AI）是一项全新的重大挑战，有超过 10,000 次精心策划的前列腺 MRI 检查来验证现代 AI 算法并评估放射科医生在 csPCa 检测和诊断方面的表现。 研究设计的关键方面是与国际多学科科学顾问委员会（16 名前列腺 AI、放射学和泌尿学专家）共同制定的——以统一和标准化现行指南，并确保对前列腺的有意义的验证—— AI 走向临床翻译。

2022 年版的 PI-CAI 将重点验证 AI 在 bpMRI 中 csPCa 的自动 3D 检测和诊断。 PI-CAI 主要由两个子研究组成：

• 人工智能研究（大挑战）：1500 个 bpMRI 检查（包括其临床和采集变量）的带注释的多中心、多供应商数据集向所有参与团队和整个研究社区公开。 团队可以使用此数据集开发 AI 模型，并提交经过训练的算法（在 Docker 容器中）进行评估。 在这个开放的开发阶段结束时，所有算法都会根据它们在 1000 次不可见扫描的隐藏测试队列中的表现进行排名。 在封闭测试阶段，组织者使用 7500-9500 bpMRI 扫描的更大数据集（包括来自私有数据集的额外训练扫描）重新训练排名靠前的 5 个 AI 算法。 最后，他们的表现在隐藏的测试队列中重新评估（通过严格的统计分析），以确定 bpMRI 中 csPCa 自动 3D 检测和诊断的前 3 名 AI 算法（即大挑战的获胜者）。
• 读者研究：50 多名国际前列腺放射科医生使用来自隐藏测试队列的 400 次扫描的子集执行读者研究。 对于每个病例，放射科医生分两轮完成评估。 首先，仅使用临床和采集变量加上 bpMRI 序列，从而能够与在相同方面训练的 AI 进行面对面的比较。 然后，使用临床和采集变量以及完整的 mpMRI 序列，实现 AI 与当前临床实践 (PI-RADS v2.1) 之间的比较。 总体而言，本研究的目的是评估普通放射科医生在 MRI 中检测和诊断 csPCa 的表现。

最后，PI-CAI 的目标是将在重大挑战中开发的最先进的 AI 算法与参与读者研究的前列腺放射科医生进行基准测试，以评估现代前列腺 AI 解决方案在 csPCa 检测和诊断方面的临床可行性在核磁共振成像中。