前列腺MRI的PI-RADS 3类病灶要不要穿刺？AI风险分级模型及其多中心验证

前列腺 MRI 报告上，「PI-RADS 3 类」是最让泌尿外科医生和患者头疼的一档——它意味着"可疑度居中、证据不足"，既不敢排除恶性，也不敢确定恶性，该不该穿刺常常拿不准。2026 年 9 月，德国、荷兰、美国多家机构在《European Radiology》联合发表一项多中心研究，用 AI 三分类风险分级来辅助这个决策。结果很直接：按患者算，AI 的灵敏度达 97.6%，不劣于放射科医生 PI-RADS 评分（92.6%）；针对 PI-RADS 3 类病灶的 AI 分层策略，可避免 18.9% 的不必要穿刺、同时保持 98.4% 的临床有意义前列腺癌检出灵敏度。

研究背景：PI-RADS 3类病灶为什么是前列腺MRI诊断的最大难题？

前列腺癌是全球男性第二常见的癌症，MRI 是穿刺前评估的核心手段。读片医生用 PI-RADS（前列腺影像报告与数据系统）把病灶从 1 到 5 打分，分数越高恶性可能性越大。但真正的难题集中在中间这一档：

• PI-RADS 1–2 类：恶性概率低，通常可以随访观察；
• PI-RADS 4–5 类：恶性概率高，基本建议穿刺；
• PI-RADS 3 类：可疑度居中、证据不足，处于"灰色地带"。

按欧洲泌尿外科协会（EAU）指南引用的 PI-RADS v2.1 荟萃分析，PI-RADS 3 类病灶里检出临床有意义前列腺癌（ISUP 分级组 ≥ 2）的比例约为 20%。换句话说，十个 PI-RADS 3 类患者里，约有八个"穿了白穿"。而穿刺本身是有创操作，存在出血、感染、尿潴留等风险，还伴随费用与麻醉负担。如何在不漏掉真癌的前提下少做无用穿刺，就成了前列腺 MRI 诊断的核心难题。

创新点：AI三分类风险分级如何辅助穿刺决策？

这篇研究对比了两套判断工具：一套是放射科医生给病灶打的 PI-RADS 分数，另一套是商用 AI 系统（DeepHealth Prostate Suite）给出的三档风险分类（低/中/高）。AI 的独特之处在于两点：

• 连续风险分数 + 预设阈值：AI 先给每个病灶输出一个连续风险分数，再按预设切点归为"低/中/高"三档，而非像医生那样靠描述规则主观打分；
• 专门针对 PI-RADS 3 类做分层：研究重点检验 AI 能否在"灰色地带"病灶上帮医生分流——哪些该穿、哪些可以暂缓。

一句话概括创新：把主观的影像描述规则，换成可量化的风险分层，专门解决 PI-RADS 3 类"穿不穿"的决策难题。

技术原理：三档风险分级如何与PI-RADS协同？

机制并不复杂。AI 风险分级系统在**双参数 MRI（biparametric MRI）**上做病灶检测——双参数 MRI 只拍 T2 加权与弥散加权两序列、省去造影剂，检查更快、患者负担更小。系统对每个病灶输出一个连续风险分数，再按预先设定的阈值切成"低、中、高"三档。研究的金标准是穿刺或根治术的病理结果，以 ISUP 分级组 ≥ 2（即临床有意义前列腺癌）作为"阳性"。

关键在于**“人机协同"而非"AI 替代医生”**：AI 不负责最终决策，而是作为"第二意见"辅助医生，尤其在医生最拿不准的 PI-RADS 3 类病灶上提供额外分层——AI 判"低风险"的 3 类病灶，或许可暂缓穿刺；AI 判"高风险"的 3 类病灶，则提示需要更积极处理。

数据说话：多中心787例的验证结果

这是一项回顾性、多中心、多厂商机型的诊断准确性研究，覆盖德国、荷兰、美国三个国家的三组队列，纳入 2014—2025 年间接受前列腺 MRI 并有病理对照的男性，最终入组 787 人（中位年龄 70 岁），其中 380 人（48.3%） 病理证实有临床有意义前列腺癌。

这组数字看着有点"自相矛盾"，其实正好揭示了 AI 的定位：

• 按"人"算，AI 更敏感——它几乎不漏掉任何一位有临床有意义前列腺癌的患者（97.6% vs 92.6%），这是做"安全网"的关键；
• 按"病灶"算，AI 略逊于医生——它在精准画出具体病灶位置、做病灶级定位上，不如经验丰富的放射科医生（78.8% vs 88.8%）。

更关键的是针对 PI-RADS 3 类病灶的分层结果：AI 把 93.1% 的"临床有意义癌"3 类病灶上调为高风险，同时把 24.1% 的良性 3 类病灶判为低风险。研究据此模拟了一种"AI 辅助穿刺分流"策略——仅对 AI 判为需关注的病灶穿刺，可避免 18.9% 的穿刺活检，同时保持 98.4% 的临床有意义前列腺癌检出灵敏度。

应用前景与局限

这项研究的价值在于给出了前列腺 MRI 穿刺决策的一条务实路径：AI 作为"第二意见"，在医生最纠结的 PI-RADS 3 类病灶上做风险分层，既不替代医生，又能减少不必要的有创穿刺。对缓解泌尿外科门诊"穿不穿"的决策压力、减少患者创伤与医疗资源浪费，有直接参考意义。

但也要冷静看待局限。第一，研究是回顾性的，且对"MRI 阴性、未穿刺"的患者做了阴性假设，可能存在验证偏倚；第二，病灶层面 AI 灵敏度低于医生，意味着 AI 尚不能独立做病灶定位，仍需放射科医生负责病灶标记；第三，商用 AI 系统在多厂商机型、不同场强下的泛化能力虽已初步验证，但仍需前瞻性研究来确认"AI 分流后漏诊风险可控"。它更适合定位为穿刺决策支持，而非替代医生或独立诊断工具。

结论

前列腺 MRI 的 PI-RADS 3 类病灶是临床决策中最难的一档：穿怕过度诊疗，不穿怕漏诊。这项多中心研究表明，医学影像 AI 的三分类风险分级能在患者层面达到不劣于 PI-RADS 的灵敏度（97.6% vs 92.6%），并在 PI-RADS 3 类病灶上实现"高灵敏度分流"——避免 18.9% 的不必要穿刺、同时保持 98.4% 的临床有意义前列腺癌检出灵敏度。它提示医学影像智能诊断的一个清晰趋势：AI 不追求取代医生，而是在"人机协同"中补上医生最薄弱的一环——对不确定病灶的风险量化与分层，让穿刺这一有创操作做得更精准。

论文原文信息地址：https://www.simomia.com/blog/2026-10-09-prostate-mri-ai-risk-classification/

参考文献

1. Guenzel K, Poirot MG, van Loon A, et al. Multicentre evaluation of artificial intelligence risk classification for detection of clinically significant prostate cancer on biparametric MRI. European Radiology. 2026. DOI: 10.1007/s00330-026-12888-8
2. Turkbey B, Rosenkrantz AB, Haider MA, et al. Prostate Imaging Reporting and Data System Version 2.1: 2019 Update of Prostate Imaging Reporting and Data System Version 2. European Urology. 2019. DOI: 10.1016/j.eururo.2019.02.033

相关问题 FAQ

医学影像AI怎么做？前列腺MRI的AI风险分级能带来什么？

做医学影像 AI，通常需要先收集影像与病理对照数据、由医生标注病灶，再训练模型对病灶做检测或分类。本文的 AI 风险分级就是一条具体路径：在双参数 MRI 上检测病灶，输出一个连续风险分数，再切成"低/中/高"三档，作为医生读片的"第二意见"。它的价值不是取代医生，而是在医生最拿不准的 PI-RADS 3 类病灶上补上量化分层，帮助判断哪些该穿刺、哪些可暂缓，从而减少不必要的有创操作。

PI-RADS 3类病灶意味着什么？

PI-RADS（前列腺影像报告与数据系统）把前列腺病灶的可疑度从 1 到 5 打分，3 类表示"可疑度居中、证据不足以判定"，是介于"低风险可观察"与"高风险应穿刺"之间的灰色地带。按指南引用的荟萃分析，3 类病灶检出临床有意义前列腺癌的比例约为 20%，也就是十个人里约八个"穿了白穿"，因此 3 类是前列腺 MRI 诊断里最难做决策的一档。

AI风险分级能取代放射科医生读片吗？

不能。这篇研究里，AI 在患者层面的灵敏度虽然不劣于医生，但在病灶层面（精准定位具体病灶）灵敏度仍低于医生（78.8% vs 88.8%），说明 AI 尚不能独立完成病灶标记。它的正确定位是穿刺决策支持，由放射科医生负责病灶定位与最终判断，AI 作为"第二意见"补充风险分层信息，两者协同而非替代。