来源：期刊VIP网 时间：
作者：陈心悦;刘再毅;胡磊;
单位：南方医科大学附属广东省人民医院(广东省医学科学院)放射科;广东省医学影像智能分析与应用重点实验室;
摘要：前列腺癌（prostate cancer, PCa）是全球男性最常见的癌症之一，准确评估包膜外侵犯（extracapsular extension, ECE对优化治疗方案至关重要。传统临床诊断参数存在准确性低、异质性大等不足。多参数磁共振成像（multi-parametric magnetic resonance imaging, mpMRI）是评估PCa术前分期的首选方法。然而基于mpMRI的传统ECE风险评估分级系统预测ECE的诊断效能仍受限于放射科医师的经验。随着新兴技术发展，影像组学和深度学习（deep learning, DL）在评估ECE方面表现出潜力，但目前仍面临外部验证不足、模型泛化能力弱等挑战。本文就基于mpMRI的传统风险评估分级系统、影像组学和DL在PCa ECE中的研究现状、进展以及局限性进行综述，以期为临床决策提供更全面的参考，加速精准医疗的蓬勃进程。
关键词：前列腺癌;;包膜外侵犯;;磁共振成像;;风险评估分级系统;;影像组学;;机器学习;;深度学习
基金资助：国家自然科学基金项目（编号：82302130）~~
