Intelligenza Artificiale e mpMRI della prostata
L’intelligenza artificiale (AI) sta assumendo un ruolo rilevante nella risonanza magnetica multiparametrica (mpMRI) della prostata, con l’obiettivo di migliorare la detection del tumore prostatico e supportare la standardizzazione della refertazione.
Di recente pubblicazione due articoli che esplorano differenti approcci e utilizzi dell’AI nella mpMRI prostatica per valutarne rispettivamente l’impatto sul rendimento diagnostico di radiologi con diversa esperienza e di analizzare le prestazioni di un algoritmo automatizzato per l’ individuazione e la classificazioni delle lesioni.
- “The added value of artificial intelligence using Quantib Prostate for the detection of prostate cancer at multiparametric magnetic resonance imaging”
La Radiologia Medica. Maggio 2025. Pubblicato il: 7 Maggio 2025
DOI: 10.1007/s11547-025-02017-8
Valore diagnostico dell’AI
Quantib Prostate (Quantib B.V., Rotterdam, Netherlands) è un software che utilizza mappe colorimetriche generate da una rete neurale 3D U-Net per evidenziare visivamente aree sospette nella mpMRI prostatica su immagini T2W, DWI e ADC. Il sistema fornisce una rappresentazione del rischio per ciascuna lesione che può integrare la valutazione del radiologo.
L’obiettivo dello studio è stato di verificare se il software migliorasse la performance diagnostica nella rilevazione del carcinoma prostatico clinicamente significativo (csPCa), in relazione al grado di esperienza del lettore.
Metodi
In questo studio prospettico monocentrico, 110 pazienti sono stati sottoposti a mpMRI prostatica e biopsia prostatica.
Tre radiologi (due con ≥4 anni di esperienza, uno con <1 anno) hanno valutato gli esami senza e con il supporto del software AI. L’endpoint primario era la rilevazione del carcinoma prostatico clinicamente significativo (csPCa).
Risultati principali
- Il radiologo meno esperto ha tratto un beneficio significativo dal supporto AI, con un aumento della detection lesionale ed un miglioramento dell’accuratezza diagnostica.
- Al contrario, i due radiologi più esperti non hanno mostrato miglioramenti diagnostici significativi con il supporto AI.
- L’AI ha inoltre contribuito a una lieve riduzione della variabilità inter-lettore.
Conclusioni
I risultati suggeriscono un potenziale impiego del software come strumento di supporto nei contesti formativi o in ambienti con expertise radiologica non consolidata.
- “Diagnostic performance of a fully automated AI algorithm for lesion detection and PI‑RADS classification in patients with suspected prostate cancer”
La Radiologia Medica, Maggio 2025. Pubblicato il: 17 Aprile 2025
DOI: 10.1007/s11547-025-02003-0
Valore diagnostico dell’AI
Lo studio valuta un algoritmo completamente automatizzato (syngo.via MR Prostate, Siemens Healthineers) in grado di segmentare automaticamente la prostata, identificare e classificare le lesioni assegnando un punteggio PI-RADS combinando il “Level of Suspicion” (LoS) con il diametro massimo della lesione.
Il confronto è stato effettuato tra l’output dell’AI e i referti generati dai radiologi.
Metodi
In questo studio retrospettivo monocentrico, 272 pazienti sono stati sottoposti a mpMRI prostatica per sospetto tumore prostatico e biopsia prostatica.
L’obiettivo di questo studio era validare l’accuratezza diagnostica di un algoritmo AI per la rilevazione e classificazione del carcinoma prostatico, confrontandone le prestazioni con quelle di radiologi.
Risultati principali
- L’algoritmo AI ha ottenuto un’accuratezza superiore rispetto ai lettori nella rilevazione di lesioni PI-RADS ≥3 e ≥4, con specificità e valore predittivo positivo maggiori
- La sensibilità è risultata lievemente inferiore per il software AI
- L’algoritmo ha ridotto i falsi positivi, evidenziando correttamente 62 casi classificati come PI-RADS ≥3
- La concordanza AI–radiologo è risultata moderata (kappa 0.38)
Conclusioni
Il sistema AI ha dimostrato una capacità diagnostica solida e più equilibrata rispetto alla lettura umana, soprattutto in termini di specificità e riduzione dei falsi positivi. Potrebbe rappresentare un supporto utile in setting ad alta intensità, contribuendo ad una maggiore uniformità nella refertazione e all’ottimizzazione dei percorsi diagnostici.