编者按：人工智能（AI）正在改变泌尿系肿瘤的诊治模式，尤其在智能影像、智能病理方面有望成为临床医生的得力助手。来自希腊塞萨洛尼基希波克拉底综合医院（Hippokrateion General Hospital of Thessaloniki）泌尿外科的Vasileios Sakalis博士在本次大会上报道了一项AI应用于泌尿系肿瘤的综述，并在接受《肿瘤瞭望-泌尿时讯》的现场采访中分享了更多关于AI应用场景等话题的看法。

 

 

人工智能（AI）在改善患者照护方面具有巨大潜力。人工智能算法从医学图像中提取定量特征并分析大数据，旨在提高各种医学状况下的诊断准确性和治疗效果。本研究旨在总结人工智能在泌尿系肿瘤诊断和治疗中的作用。

 

 

截至2023年7月，在Embase、Medline、CDSR和临床试验数据库中进行了系统搜索。纳入系统综述（SRs）、综述、诊断和干预性综述，涉及人工智能在泌尿系统恶性肿瘤患者中的应用；遵循Cochrane综述方法；使用ROBIS工具评估纳入SRs的方法质量和偏倚风险（RoB）。结果数据以AUC-ROC范围、准确性（Acc）、敏感性（Sen）和特异性（Spe）表示。

 

 

共选择了75项研究进行全文筛选，其中52项纳入定性分析。在8个SRs中RoB被认为低，在33个SRs中被认为高，在11个SRs中被认为不清楚。

 

32项SRs评估了AI作为前列腺癌（PCa）CT、MRI和PET扫描的诊断或预测工具的应用。AI模型有效地区分了良性和恶性病例（AUC:0.55-0.99，Acc:88%-93%，Sen:59%-95%，Spe:58%-87%）。在预先指定的MRI病变中（AUC:0.68-0.95 vs AUC:0.74-0.88），AI在区分惰性PCa和临床显著PCa（csPCa）方面优于人类读数，在PIRAD 3病变中识别csPCa（AUC:0.78-0.96 vs AUC:0.81-0.87）。AI充分预测Gleason评分（AUC:0.5-0.92，Acc:77%-87%）、生化复发（AUC:0.68-0.88，Acc:62%-91%）和淋巴结受累（AUC:0.8-0.92，Acc:70%-90%）。3项SRs评估了AI模型对活检标本的病理级别识别（AUC:0.81-0.87，Acc:88%-91%，Sen:87%-100%），AI和病理学家之间一致性（κ系数:0.3-0.83）。

 

13项SRs评估了肾癌（RCa）诊断中的AI模型。使用MRI和/或CT对良性和恶性病变的识别显示合并的AUC为0.52-0.97，准确性为70%-95%。RCa分型和核级预测的AUC为0.78-0.04，准确性为73%-88%。与单独放射科医生相比，有人工智能辅助的放射科医生的诊断表现显示出更高的准确性（77%-94%vs 69%-80%）和更低的评分者间变异性。

 

7项SRs评估了AI在膀胱癌中作为复发（AUC:0.7-0.92）、进展（AUC:0.8-0.97）、膀胱切除术后并发症（AUC:0.52-0.82）和总生存率（Acc:85%-97%）的预测工具的作用。AI在肌层浸润性肿瘤预测中的诊断性能优于单独放射科医生（AUC 0.979 vs 0.856，Acc:96.3%vs 90.1%）。

 

 

人工智能在泌尿学中提高了诊断准确性、治疗效果和患者预后。随着人工智能的不断发展，将使泌尿系肿瘤的管理更加精确，更加以患者为中心。

 

 

Vasileios Sakalis教授：人工智能已经达到了显著的准确性水平，尤其是在利用MRI等成像模式提取特征方面。人工智能模型在识别恶性肿瘤方面的精度和灵敏度特别高。然而，当处理更复杂的数据提取时，如预后模型或预测Gleason评分时，准确性略有下降。

 

Urology Frontier：How accurate do you think current AI is in the field of urological cancers?

 

Dr.Vasileios Sakalis:Artificial intelligence has reached a remarkable level of accuracy，especially when utilizing imaging modalities like MRI to extract features.The precision and sensitivity of AI models are particularly high in identifying malignancies.However，the accuracy slightly decreases when dealing with more complex data extraction，such as prognostic models or predicting Gleason scores.

 

Vasileios Sakalis教授：人工智能解释定量成像特性的能力已经融入临床实践，标志着一个重大进展。通过机器学习和深度学习技术，人工智能可以发现肉眼看不见的图像特征，并将其与临床数据合并，产生高度准确的诊断信息。

 

Urology Frontier：AI can use quantitative imaging properties to understand and effectively identify tumors in images.Can it currently be used in clinical practice to assist doctors in diagnosis?

 

Dr.Vasileios Sakalis:AI’s capability to interpret quantitative imaging properties has already been integrated into clinical practice，marking a significant advancement.Through machine learning and deep learning techniques，AI can uncover image features invisible to the human eye，merging them with clinical data to produce highly accurate diagnostic information.

 

Vasileios-Sakalis教授：人工智能模型正在所有泌尿系统肿瘤中得到积极利用和评估，尤其是前列腺癌、肾癌和膀胱癌，这些肿瘤是较为流行的泌尿系统肿瘤。虽然正在努力开发罕见癌症的人工智能模型，但支持人工智能有效性的证据在前列腺癌症研究中最为有力，大量的系统综述也证实了这一点。

 

Urology Frontier：In terms of therapeutic areas，where can artificial intelligence be used in urological oncology?

 

Dr.Vasileios Sakalis:AI models are being actively utilized and assessed across all urological cancers，with a particular focus on prostate，kidney，and bladder cancers due to their prevalence.While efforts are ongoing to develop AI models for rarer cancers，the evidence supporting AI’s effectiveness is most robust in prostate cancer research，underscored by the substantial number of systematic reviews available.

 

Vasileios Sakalis教授：欧洲泌尿外科协会正在探索人工智能创建个性化治疗预测模型的潜力。利用大数据和人工智能可以生成针对个体患者或患者群体的特定结果和证据，并可基于精确的预测来完善治疗方法。

 

Urology Frontier：Due to the heterogeneity of urological tumors，the prognosis of different patients varies greatly.How to use AI to better predict patients，thereby continuously adjusting treatment plans and improving long-term survival?

 

Dr.Vasileios Sakalis:The European Association of Urology is exploring AI’s potential to create predictive models that can personalize treatment.Leveraging big data，AI can generate specific outcomes and evidence tailored to individual patients or patient groups，aiming to refine treatment approaches based on precise predictive insights.

 

Vasileios Sakalis教授：我除了对人工智能和泌尿系统大数据分析的浓厚兴趣外，我的重点还延伸到了男性下尿路症状和神经源性膀胱的研究。我积极参与欧洲泌尿外科协会，特别是男性LUTS小组，我的主要兴趣在于功能性泌尿外科。

 

Urology Frontier：A number of research developments were announced at this conference.Which ones are you most interested in?

 

Dr.Vasileios Sakalis:Beyond my keen interest in AI and big data analysis for urological conditions，my focus extends to the study of male lower urinary tract symptoms and neurogenic bladder.I am actively involved with the European Association of Urology，particularly in the male LUTS panel，where my primary interest lies in functional urology.

 

Vasileios Sakalis教授

医学博士，FEBU，FRCS

希腊塞萨洛尼基希波克拉底综合医院