An MRI–pathology foundation model for noninvasive diagnosis and grading of prostate cancer
未评分
来源：
Nature
发布时间：
2025-09-02 23:34
摘要：
研究开发了一种基于多参数MRI和病理数据的非侵入性前列腺癌诊断模型（MRI-PTPCa），通过对比学习方法训练，使用了超过130万对图像-病理数据。该模型在真实世界测试中表现出与病理结果一致性高达0.978的AUC，且分级准确率为89.1%。此创新方法为前列腺癌的临床决策提供了强有力的支持，减少了对传统活检的依赖，具有广泛的临床应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
1.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.0
technical_barrier_competition
0.5
关键证据
MRI-PTPCa模型在真实世界测试中表现出与病理一致性高达0.978的AUC。
该模型基于130万对图像-病理数据进行训练，显示出强大的预测能力。
研究提供了一种可扩展的非侵入性前列腺癌诊断方法，减少了对活检的依赖。
真实性检查
否
AI评分总结
研究开发了一种基于多参数MRI和病理数据的非侵入性前列腺癌诊断模型（MRI-PTPCa），通过对比学习方法训练，使用了超过130万对图像-病理数据。该模型在真实世界测试中表现出与病理结果一致性高达0.978的AUC，且分级准确率为89.1%。此创新方法为前列腺癌的临床决策提供了强有力的支持，减少了对传统活检的依赖，具有广泛的临床应用潜力。