A Systematic Review on Artificial Intelligence Evaluating Metastatic Prostatic Cancer and Lymph Nodes on PSMA PET Scans
Systematische Übersichtsarbeit zu künstlicher Intelligenz bei der Beurteilung von metastasiertem Prostatakarzinom und Lymphknoten in PSMA-PET-Scans
Cancers · 23.01.2024 · 16 (3) · 486
DOI: 10.3390/cancers16030486 ↗Auf einen Blick
Die Übersichtsarbeit bewertet, wie KI die Befundung, Diagnostik und Prognose bei metastasiertem Prostatakarzinom in PSMA-PET verbessern kann. Berichtet wird eine hohe Genauigkeit bei Lymphknoten- und Metastasenbefundung.
Fragestellung
Wie gut kann KI die Befundung, Diagnostik und prädiktiven Aussagen bei metastasiertem Prostatakarzinom auf PSMA-PET-Scans verbessern?
Methode
Systematische Übersichtsarbeit; Suche in Medline, Embase und Scopus von Beginn bis Juli 2023; 11 eingeschlossene Studien nach Screening von 249. Meta-Analyse wegen Heterogenität nicht möglich.
Ergebnisse
11 Studien eingeschlossen. KI zeigte 98 % Genauigkeit bei der Erkennung von Lymphknotenbefall und metastasierter Erkrankung; die Sensitivität variierte zwischen 62 % und 97 %.
Einschränkungen
Wegen Heterogenität keine Meta-Analyse möglich; nur eine Studie berücksichtigte klinische Parameter; 10 Studien mit niedrigem Gesamtrisiko für Bias.
Schlussfolgerung der Autor:innen
KI zeigt laut Autor:innen vielversprechende Fähigkeiten zur Verbesserung des diagnostischen Potenzials von PSMA-PET-Scans bei mPCa und kann Effizienz und Variabilität adressieren.
Kernaussagen
- 98 % Genauigkeit für Lymphknotenbefall und metastasierte Erkrankung
- Sensitivität variierte zwischen 62 % und 97 %
- Meta-Analyse wegen Heterogenität nicht möglich
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Übersichtsarbeit in der Zeitschrift Cancers, online erschienen am 23.01.2024. Verfasst von Jianliang Liu und 3 weiteren Autor:innen. Beteiligte Einrichtung: E.J. Whitten Prostate Cancer Research Centre, Epworth Healthcare, Melbourne, VIC 3005, Australia. Die Arbeit wurde bisher 30-mal zitiert (Crossref) und nennt 48 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Australian Commonwealth Government Research Training Program, Epworth Prostate Cancer Research Grant, Epworth Medical Foundation.
Abstract (Originalsprache)
Early detection of metastatic prostate cancer (mPCa) is crucial. Whilst the prostate-specific membrane antigen (PSMA) PET scan has high diagnostic accuracy, it suffers from inter-reader variability, and the time-consuming reporting process. This systematic review was registered on PROSPERO (ID CRD42023456044) and aims to evaluate AI’s ability to enhance reporting, diagnostics, and predictive capabilities for mPCa on PSMA PET scans. Inclusion criteria covered studies using AI to evaluate mPCa on PSMA PET, excluding non-PSMA tracers. A search was conducted on Medline, Embase, and Scopus from inception to July 2023. After screening 249 studies, 11 remained eligible for inclusion. Due to the heterogeneity of studies, meta-analysis was precluded. The prediction model risk of bias assessment tool (PROBAST) indicated a low overall risk of bias in ten studies, though only one incorporated clinical parameters (such as age, and Gleason score). AI demonstrated a high accuracy (98%) in identifying lymph node involvement and metastatic disease, albeit with sensitivity variation (62–97%). Advantages included distinguishing bone lesions, estimating tumour burden, predicting treatment response, and automating tasks accurately. In conclusion, AI showcases promising capabilities in enhancing the diagnostic potential of PSMA PET scans for mPCa, addressing current limitations in efficiency and variability.
Schlagwörter
Stichwörter der Autor:innen
Autor:innen und Institutionen
- E.J. Whitten Prostate Cancer Research Centre, Epworth Healthcare, Melbourne, VIC 3005, Australia.
- Department of Urology, The Royal Melbourne Hospital, University of Melbourne, Melbourne, VIC 3052, Australia.
- Department of Surgery, University of Melbourne, Melbourne, VIC 3052, Australia.
- Discipline of Surgery, University of Adelaide, Adelaide, SA 5005, Australia.
ORCID-Profile: Jianliang Liu
Förderung
- Australian Commonwealth Government Research Training Program
- Epworth Prostate Cancer Research Grant
- Epworth Medical Foundation
Zitieren
APA
Liu, J., Cundy, T. P., Woon, D. T. S., & Lawrentschuk, N. (2024). A Systematic Review on Artificial Intelligence Evaluating Metastatic Prostatic Cancer and Lymph Nodes on PSMA PET Scans. Cancers, 16(3), 486. https://doi.org/10.3390/cancers16030486
Vancouver
Liu J, Cundy TP, Woon DTS, Lawrentschuk N. A Systematic Review on Artificial Intelligence Evaluating Metastatic Prostatic Cancer and Lymph Nodes on PSMA PET Scans. Cancers. 2024;16(3):486. doi:10.3390/cancers16030486
BibTeX
@article{Liu2024,
author = {Liu, Jianliang and Cundy, Thomas P and Woon, Dixon T S and Lawrentschuk, Nathan},
title = {A Systematic Review on Artificial Intelligence Evaluating Metastatic Prostatic Cancer and Lymph Nodes on PSMA PET Scans},
journal = {Cancers},
year = {2024},
volume = {16},
number = {3},
pages = {486},
doi = {10.3390/cancers16030486}
}
EUVIMED