前列腺癌是全世界男性第二大癌癥，隨著中國人口老齡化和生活方式的西化，近年來我國前列腺癌發(fā)病率以每年13%的增速狂飆，現(xiàn)已位居我國男性惡性腫瘤第六位，且發(fā)病率增速還在持續(xù)攀升 。2024年我國前列腺癌新發(fā)病例數(shù)達(dá)到14.4萬人，預(yù)計(jì)2030年達(dá)到19.9萬人，2035年將達(dá)到25萬人 。 前列腺癌的診斷主要依賴于血液前列腺特異性抗原（PSA）、B超和醫(yī)生的直腸指診。然而臨床實(shí)踐發(fā)現(xiàn)：50歲以上健康男性體檢中，1/3的男性B超發(fā)現(xiàn)有前列腺結(jié)節(jié)，近10% 出現(xiàn)PSA異常升高，這些大量的“可疑患者”給臨床診斷帶來極大的困難，也給“患者”帶來了巨大的心理壓力。目前，全球各大臨床指南推薦磁共振檢查（ PI-RADS評(píng)分 ）進(jìn)一步確診，并據(jù)此進(jìn)行前列腺穿刺活檢來最終確定患者的診斷結(jié)果 。 然而，磁共振 PI-RADS評(píng)分 存在兩大缺陷（1） 主觀性缺陷—— 該評(píng)分 本質(zhì) 上 依賴放射科醫(yī)生經(jīng)驗(yàn)判斷。以往研究顯示 不同 醫(yī)生間判讀差異高達(dá)30%。這種主觀偏差使精準(zhǔn)診斷如同“輪盤賭局”——患者可能因假陰性延誤治療，或因假陽性承受過度穿刺 。（2）準(zhǔn)確性缺陷 。PI-RADS評(píng)分分為1-5級(jí)，對(duì)應(yīng)不同癌變可能性。例如：1分 ? ：極低風(fēng)險(xiǎn)（癌變可能性＜1%） ， 2分 ? ：低風(fēng)險(xiǎn)（1%-5%） ， 3分 ? ：中等風(fēng)險(xiǎn)（5%-15%） ， 4分 ? ：高風(fēng)險(xiǎn)（15%-80%） ， 5分 ? ：極高風(fēng)險(xiǎn)（＞80% ）。因此，即使是最高水平最有經(jīng)驗(yàn)的醫(yī)生給出了“準(zhǔn)確”的 PI-RADS 評(píng)分，也無法“準(zhǔn)確”判斷有無腫瘤，可能導(dǎo)致過度穿刺或者漏診。 因此，亟需一種 高效、準(zhǔn)確且無創(chuàng) 的預(yù)測(cè)工具，用于輔助患者的診斷和分級(jí)。人工智能 （AI） 等新興技術(shù)的出現(xiàn)，為影像學(xué)數(shù)據(jù)與病理學(xué)結(jié)果之間的關(guān)聯(lián)提供了新的工具，從而為實(shí)現(xiàn)無創(chuàng)精準(zhǔn)診斷與分級(jí)開辟了新的可能。

2025年 9月2日 ， 海軍軍醫(yī)大學(xué)第二附屬醫(yī)院（ 上海長(zhǎng)征醫(yī)院 ）任善成教授聯(lián)合 北京大學(xué)第三醫(yī)院張樹棟教授 、南京醫(yī)科大學(xué)第一附屬醫(yī)院李杰教授 、北京友誼醫(yī)院王良教授 、青島大學(xué)附屬醫(yī)院聶佩教授、安徽大學(xué)邵立智教授 等多學(xué)科醫(yī)工交叉團(tuán)隊(duì)，在Nature Cancer上發(fā)表了題為An MRI-Pathology Foundation Model for Non-Invasive Diagnosis and Grading of Prostate Cancer的文章。該研究提出了一種前列腺癌影像-病理基礎(chǔ)模型，探索了前列腺癌磁共振影像與腫瘤侵襲性之間的定量映射關(guān)系，并構(gòu)建了一個(gè)端到端的無創(chuàng)診斷和分級(jí)預(yù)測(cè)模型。該模型在多中心回顧性及前瞻性臨床數(shù)據(jù)集上的測(cè)試結(jié)果顯示，性能顯著優(yōu)于現(xiàn)有的臨床評(píng)估方法。此研究為前列腺癌AI輔助無創(chuàng)診斷的臨床應(yīng)用提供了更高層次的證據(jù)。

研究團(tuán)隊(duì)招募了來自多個(gè)中心的回顧性和前瞻性患者隊(duì)列（n = 5747），并收集了放射學(xué)、病理學(xué)和臨床檢查數(shù)據(jù)。AI模型的評(píng)估涵蓋了時(shí)間外部測(cè)試、空間外部測(cè)試、人口外部測(cè)試及前瞻性測(cè)試。為減少圖像序列遺漏、過擬合和儀器差異帶來的負(fù)面影響，研究使用了1,296,950對(duì)影像數(shù)據(jù)進(jìn)行基礎(chǔ)模型的構(gòu)建，集成了自監(jiān)督學(xué)習(xí)、任務(wù)多重學(xué)習(xí)、Transformer及基礎(chǔ)模型遷移學(xué)習(xí)技術(shù)，顯著提升了預(yù)測(cè)性能。

研究團(tuán)隊(duì)設(shè)計(jì)的AI模型（MRI-based Predicted Transformer for Prostate Cancer，MRI-PTPCa），通過三個(gè)磁共振影像序列（T2WI、DWI、ADC）預(yù)測(cè)只有在病理評(píng)估中才能獲得的腫瘤侵襲性信息，從而輔助臨床醫(yī)生診斷前列腺癌、臨床顯著前列腺癌及病理分級(jí)?；仡櫺匝芯恐?，7個(gè)機(jī)構(gòu)、4個(gè)醫(yī)療中心和一個(gè)國際數(shù)據(jù)集參與了多中心測(cè)試。前瞻性研究則通過將AI模型作為獨(dú)立系統(tǒng)、平行系統(tǒng)和預(yù)警系統(tǒng)進(jìn)行測(cè)試。

在實(shí)際測(cè)試中，MRI-PTPCa的預(yù)測(cè)結(jié)果與病理學(xué)評(píng)估結(jié)果具有顯著一致性（P<0.001），并且優(yōu)于臨床評(píng)估和其他預(yù)測(cè)模型（前列腺癌AUC = 0.983，95%置信區(qū)間（CI）0.98-0.986；臨床顯著前列腺癌AUC = 0.978，95% CI 0.975-0.98；分級(jí)準(zhǔn)確率 = 89.1%，95% CI 88.2%-89.9%）。值得注意的是，基于MRI-PTPCa與 多參數(shù) MRI聯(lián)合使用，在非侵入性診斷和分級(jí)方面，其表現(xiàn)與病理評(píng)估不相上下。MRI-PTPCa有望成為一種新型的非侵入性前列腺癌診斷和分級(jí)工具。

在可解釋性方面，研究團(tuán)隊(duì)將影像、前列腺根治術(shù)大切片、人工智能可視化熱圖與量化特征進(jìn)行了對(duì)照分析，以從放射學(xué)、病理學(xué)和血液學(xué)的角度解釋MRI-PTPCa模型的優(yōu)越性能。結(jié)果表明，MRI-PTPCa得分與真實(shí)的格里森分級(jí)之間存在顯著正相關(guān)?；陬悇e激活映射（Class Activation Mapping，CAM）的注意力熱圖突出了對(duì)預(yù)測(cè)結(jié)果做出貢獻(xiàn)的關(guān)鍵區(qū)域和范圍。此外，T2WI、DWI和ADC在前列腺癌的診斷和分級(jí)中的貢獻(xiàn)性也通過量化分析，證明了它們與PI-RADS專家共識(shí)的高度一致性。MRI-PTPCa的融合特征與前列腺腫瘤中的細(xì)胞強(qiáng)度、形態(tài)和紋理信息顯著相關(guān)（p<0.01），進(jìn)一步驗(yàn)證了影像學(xué)與病理學(xué)關(guān)聯(lián)的可行性。MRI-PTPCa中的 多參數(shù) MRI特征在前列腺癌的病理表型中具有顯著性，包括非前列腺癌、前列腺癌和臨床顯著前列腺癌?；A(chǔ)模型的編碼特征還與tPSA、fPSA和f/t PSA呈現(xiàn)顯著相關(guān)性，為前列腺癌的分子層面信息提供了有力支持。

綜上所述，研究團(tuán)隊(duì)開發(fā)并驗(yàn)證了一個(gè)基于多中心真實(shí)臨床數(shù)據(jù)的用于前列腺癌高效、準(zhǔn)確且無創(chuàng)診斷和分級(jí)的影像-病理基礎(chǔ)模型。研究展示了AI結(jié)合MRI如何定量反映前列腺腫瘤的病理特征，進(jìn)一步增強(qiáng)了AI基礎(chǔ)模型在臨床實(shí)踐中用于癌癥高效、準(zhǔn)確且無創(chuàng)診斷和分級(jí)的能力。

任善成教授團(tuán)隊(duì)長(zhǎng)期從事前列腺癌的基礎(chǔ)與臨床研究，研究興趣包括人工智能、腫瘤免疫、腫瘤轉(zhuǎn)移、腫瘤創(chuàng)新療法（CART，疫苗等）等，代表性研究成果發(fā)表在Nat Med、Nat Genet（2篇）、Nature Cancer、Cell Res、Nat Cell Biol、Mol Cell, J Clin Invest等國際期刊，獲國家自然科學(xué)基金重點(diǎn)項(xiàng)目、國家科技重大專項(xiàng)支持，成果獲得教育部科技進(jìn)步一等獎(jiǎng)（2022，第一完成人）和上海市自然科學(xué)獎(jiǎng)一等獎(jiǎng)（2024，第一完成人）。誠聘博士、博士后、科研助理、副研究員等優(yōu)秀科研人員， 有意向者請(qǐng)投遞簡(jiǎn)歷。

簡(jiǎn)歷投遞（ 有意者請(qǐng)將個(gè)人簡(jiǎn)歷等材料發(fā)至 ）：

https://jinshuju.net/f/ZqXwZt或掃描二維碼投遞簡(jiǎn)歷

https://www.nature.com/articles/s43018-025-01041-x

制版人： 十一

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。

BioArt

Med

Plants

人才招聘

近期直播推薦

點(diǎn)擊主頁推薦活動(dòng)

關(guān)注更多最新活動(dòng)！