通过多参数核磁共振成像(mpMRI)技术对前列腺癌(PCa)的诊断目前是计算机辅助检测(CAD)工具发展的挑战。一个创新性的软件(Watson ElementaryTM)能够获得前列腺癌诊断的高敏感性和特异性，同时可以获得与格林森等级的关系。最近，有研究人员在他们的医院MRI前列腺活检数据库中评估了该软件在自动化PCa诊断中的表现。

研究人员回顾性的评估了来自79名且年龄在64.61±6.64岁老年病人的104个病灶的3T T2-加权成像、表观扩散系数(ADC)图和动态对比增强系列。Watson ElementaryTM软件利用信号密度、弥散特性和动力学特点计算出了一个比例格林森预测器，称为恶性肿瘤关注指数(MAI)。该分析关注CAD对区分可疑病灶的敏感性和特异性以及MAI与组织病理学表面实况的关系。

研究发现，该软件具有6.80%的PCa区分敏感性。PCa的特异性为75.41%，阳性预测值占比61.11%，阴性预测值占比为63.23%，发现错误率为38.89%。CAD区分PCa和良性病灶具有相同的概率(卡方检验 P=0.06)。相应地，受试者操作特性分析表明MAI具有较差的预测值，曲线下面积为0.65(P=0.02)，这并不比认证过的观察员表现更为优秀。更多的是，MAI并没有阐释与格林森等级显著的联系(P=0.60)。最后，研究人员指出，mpMRI分析的测试版CAD软件在该数据集中是一个较弱的PCa生物标记。靶标前列腺活检和组织学仍旧是前列腺癌诊断的黄金标准。

原始出处：

Thon A， Teichgr?ber U， Tennstedt-Schenk C et al.Computer aided detection in prostate cancer diagnostics： A promising alternative to biopsy? A retrospective study from 104 lesions with histological ground truth. PLoS One. 12 Oct 2017.