[論文レビュー] Multimodal MRI-Ultrasound AI for Prostate Cancer Detection Outperforms Radiologist MRI Interpretation: A Multi-Center Study

Hassan Jahanandish, Shengtian Sang+7 more|ArXiv.org|Jan 31, 2025

Medical Imaging and Analysis被引用数 3

ひとこと要約

マルチモーダルAIフレームワークがMRIとTRUSを統合し、臨床的に有意な前立腺癌(CsPCa)の検出で unimodal MRI/TRUS モデルおよび放射線科医を上回り、3つのコホートに渡る多施設研究で優れた性能を示す。

ABSTRACT

Pre-biopsy magnetic resonance imaging (MRI) is increasingly used to target suspicious prostate lesions. This has led to artificial intelligence (AI) applications improving MRI-based detection of clinically significant prostate cancer (CsPCa). However, MRI-detected lesions must still be mapped to transrectal ultrasound (TRUS) images during biopsy, which results in missing CsPCa. This study systematically evaluates a multimodal AI framework integrating MRI and TRUS image sequences to enhance CsPCa identification. The study included 3110 patients from three cohorts across two institutions who underwent prostate biopsy. The proposed framework, based on the 3D UNet architecture, was evaluated on 1700 test cases, comparing performance to unimodal AI models that use either MRI or TRUS alone. Additionally, the proposed model was compared to radiologists in a cohort of 110 patients. The multimodal AI approach achieved superior sensitivity (80%) and Lesion Dice (42%) compared to unimodal MRI (73%, 30%) and TRUS models (49%, 27%). Compared to radiologists, the multimodal model showed higher specificity (88% vs. 78%) and Lesion Dice (38% vs. 33%), with equivalent sensitivity (79%). Our findings demonstrate the potential of multimodal AI to improve CsPCa lesion targeting during biopsy and treatment planning, surpassing current unimodal models and radiologists; ultimately improving outcomes for prostate cancer patients.

研究の動機と目的

• MRIとTRUSの画像系列を統合してCsPCa病変のターゲティングを Biopsy 時に改善する。
• マルチモーダルAIを unimodal MRI および TRUS モデルとベンチマークする。
• マルチセンターコホートでの放射線科医のMRI解釈と比較する。

提案手法

• 3D UNetアーキテクチャに基づくマルチモーダルAIフレームワークを提案。
• CsPCa同定のためにMRIとTRUSの画像系列を統合。
• 3つのコホートからの1700件のテストケース、計3110人を評価。
• unimodal MRIおよびTRUSモデルおよび放射線科医と比較。
• 感度、特異度、Lesion Dice指標を用いて性能を定量化。

実験結果

リサーチクエスチョン

• RQ1 マルチモーダルMRI-TRUS AIフレームワークは unimodalモデルよりCsPCa検出を改善するか。
• RQ2 感度・特異度・病変重複の観点でマルチモーダルモデルは放射線科医のMRI解釈とどう比較されるか。
• RQ3 マルチセンターコホートでマルチモーダル手法は頑健か。
• RQ4 病変Diceおよび生検ターゲティング精度に対するマルチモーダル融合の影響はどれほどか。

主な発見

Model	Sensitivity	Specificity	Lesion Dice
Multimodal MRI-TRUS AI	80%	88%	42%
Unimodal MRI AI	73%		30%
Unimodal TRUS AI	49%		27%
Radiologist MRI Interpretation (comparison)	79%	78%	33%

• マルチモーダルAIはテストデータで感度80％、Lesion Dice 42％を達成。
• unimodal MRIは感度73％、Lesion Dice30%、 unimodal TRUSは感度49%、Lesion Dice27%。
• 放射線科医と比較して、マルチモーダルAIは特異度88％対78％、Lesion Dice 38％対33％、感度は同等の79％である。