前列腺癌是全球男性最常见的恶性肿瘤之一。在中国，由于人口老龄化和生活方式的西方化，前列腺癌的发病率急剧上升，现已成为第六大男性恶性肿瘤。常规健康筛查显示，约三分之一的50岁以上男性在超声检查中发现前列腺结节，近10%的患者出现前列腺特异性抗原（PSA）水平异常升高，这些指标提示可能存在恶性病变。这些发现往往给患者带来巨大的心理压力，因为诊断的不确定性较大。
当前全球指南推荐使用多参数磁共振成像（mpMRI）结合前列腺影像报告和数据系统（PI-RADS）评分来精确诊断前列腺癌。然而，PI-RADS系统存在以下局限性：（1）依赖放射科医生的经验，导致高达30%的观察者间差异；（2）诊断准确性不完善，即使经验丰富的医生也无法仅凭影像学结果确定肿瘤的存在或分级。这些缺陷突显了临床迫切需要可靠的、高效的、无创的预测工具，以帮助诊断可疑病例并准确评估肿瘤的侵袭性。
研究设计
由任善成教授领导的多学科团队，联合北京协和医院、南京医科大学第一附属医院、北京友谊医院、青岛大学附属医院和安徽大学的专家，设计了一项多中心研究。他们回顾性和前瞻性地纳入了来自多个中心的5,747名患者，收集了广泛的影像学、病理学和临床数据。
核心创新在于开发了一种名为基于MRI的前列腺癌预测Transformer（MRI-PTPCa）的先进AI模型。该模型整合了三种标准的MRI序列——T2加权成像（T2WI）、扩散加权成像（DWI）和表观扩散系数图（ADC），以预测通常只能从活检或手术标本中获得的组织病理学肿瘤侵袭特征。
关键技术策略包括利用1,296,950对影像数据进行基础模型训练。该模型采用了最先进的机器学习方法，包括自监督学习、多任务学习、Transformer架构和迁移学习，以增强对图像异质性、序列缺失、过拟合和扫描仪变异性的鲁棒性。
性能通过外部时间、空间、人口统计学数据集和前瞻性队列进行了严格评估。采用了多种临床测试范式，包括独立使用AI系统、平行AI-医生读片工作流程和基于AI的预警设置。
主要发现
MRI-PTPCa在与金标准病理评估的一致性方面表现出显著的统计学意义（P<0.001）。值得注意的是，其检测任何前列腺癌的诊断准确性达到了受试者操作特征曲线（AUC）下的面积为0.983（95% CI 0.98-0.986），对于具有临床意义的前列腺癌，AUC为0.978（95% CI 0.975-0.98）。此外，分级准确性为89.1%（95% CI 88.2%-89.9%），优于传统的临床和现有的AI模型。
当MRI-PTPCa与多参数MRI结合时，其无创诊断和分级性能接近目前涉及侵入性活检的病理评估这一诊断金标准。
至关重要的是，该模型有望显著减少不必要的前列腺活检，从而减轻患者的不适、并发症和医疗成本。
模型可解释性和生物学相关性
为了阐明AI模型的决策过程，研究团队将MRI-PTPCa的影像特征与根治性前列腺切除术的大切片病理、AI可视化热图和定量影像特征进行了比较。观察到MRI-PTPCa评分与真实的Gleason等级组之间存在显著正相关，证实了模型准确反映肿瘤侵袭性的能力。
使用类激活映射（CAM），模型突出了对肿瘤预测至关重要的解剖区域，这与专家的放射学解读一致。定量分析显示，T2WI、DWI和ADC序列的贡献与PI-RADS共识标准高度一致。
重要的是，融合的影像特征与肿瘤细胞密度、形态和纹理度量之间存在显著相关性（P<0.01），确认了影像学表型与组织病理学特征之间的联系。此外，MRI-PTPCa的编码特征与分子PSA生物标志物（总PSA、游离PSA和游离/总PSA比值）之间存在显著关联，表明从影像数据中推断肿瘤生物学在分子水平上的能力。
专家评论
这项里程碑式的研究展示了前沿AI技术与临床放射学和病理学的集成，为前列腺癌诊断设定了新的标准。MRI-PTPCa模型通过提供一种客观、可重复且高精度的无创诊断和分级工具，解决了当前影像评估的关键局限性。其在不同人群和影像平台上的广泛验证支持了潜在的普适性。
然而，实施工作流程、与现有临床路径的整合以及成本效益分析等方面仍需考虑。进一步的纵向研究需要评估其在实际世界中对活检率、患者结局和医疗资源利用的影响。此外，继续努力提高模型的可解释性并确保在不同人口群体中的公平表现是必要的。
结论
MRI-PTPCa基础AI模型的开发和验证标志着无创前列腺癌诊断的重大进展。通过从常规MRI序列中定量捕捉肿瘤的病理特征，该模型提高了诊断精度和分级准确性，减少了与侵入性程序相关的患者负担。任教授及其同事的研究突显了AI作为精准肿瘤学诊断不可或缺的辅助工具的作用，有望改善患者护理并简化前列腺癌管理中的临床工作流程。
参考文献
邵磊, 梁超, 严毅, 朱辉, 江鑫, 包敏, 臧鹏, 黄翔, 周宏, 聂平, 王蕾, 李杰, 张胜, 任善成. 基于MRI-病理学的基础模型用于无创诊断和分级前列腺癌. Nat Cancer. 2025年9月2日. doi: 10.1038/s43018-025-01041-x IF: 28.5 Q1 . Epub ahead of print. PMID: 40897909 IF: 28.5 Q1 .
