前列腺微超声:在标注稀缺时,基于170万张图像预训练的基础模型 µFM 带来了什么

加州大学洛杉矶分校(UCLA)团队用 1,736,391 张前列腺微超声图像训练了 µFM——一个 foundation model(基础模型,即先在无标注数据上预训练、再适配具体任务的大模型)。微超声是一种用于引导穿刺活检的超高分辨率超声。仅使用 10% 的已标注扫描时,µFM 在前列腺包膜上的 Dice 为 93.8%,在尿道上为 58.4%,最强对照分别为 87.9% 和 47.0%;在每个体积两次假阳性的条件下,对临床显著病灶的灵敏度为 0.762。标注稀缺时优势明显,全量标注时优势消失;测试仍为单中心、回顾性,三项任务中有两项没有外部验证,且多位作者与设备制造商存在关联。

背景

微超声(“microUS”)是一种高分辨率的前列腺成像方式,作者称其在前列腺癌诊断和实时活检引导方面尚属新兴。读片依然困难:需要勾画前列腺,定位尿道以便在局部治疗时加以保护,还要决定穿刺哪些区域。每项任务通常都需要专家手工标注大量图像,既耗时又昂贵。

foundation model 试图绕开这一瓶颈:先在大量无标注图像上预训练一个大型网络,使其学到该领域的视觉规律,再用少量带标注样本做微调(fine-tuning)。针对一般超声,已经存在若干此类模型。本文的赌注是:专门针对单一模态(微超声)的模型,应当优于通用模型或“全超声”模型。

方法

模型。µFM 基于 ViT-B/16,即 Vision Transformer,这种架构把图像切成 16 × 16 像素的图块,像处理句子中的词一样处理它们。预训练遵循 DINOv2 的方案:“学生”网络需要根据同一图像经过变形或遮挡的视图,复现“教师”网络的表征(DINO 与 iBOT 目标),全程不使用标签。论文未给出参数量。

预训练数据。来自 780 名患者 6,610 次扫描的 1,736,391 张图像,2023 年 1 月至 2026 年 4 月在 UCLA 采集,包含活检前与活检后,全部来自同一台微超声平台、同一位操作者。后续用于测试的患者被排除在预训练之外。

三项下游任务。前列腺包膜分割(佛罗里达大学公开数据集:75 名患者,训练 45、验证 10、测试 20);尿道分割(UCLA:105 名患者,60/15/30);临床显著病灶定位,即分级组(grade group)≥ 2(UCLA:190 名患者,110/22/58,测试集中 48 名有病灶、10 名无病灶)。分割(segmentation)是指给每个像素贴上标签(“包膜”“尿道”“背景”)。

对照模型。同一个 ViT-B,随机初始化,或分别用 iBOT 与 DINOv2(自然图像)、BiomedCLIP(生物医学图像)以及四个超声模型(USFM、URFM、USF-MAE、EchoCare)预训练;另有三个从零训练的网络:nnU-Net(可自动配置流程的分割框架)、TransUNet 和 MicroSegNet。分割模型分别用 10%、20%、50% 和 100% 的训练扫描微调,使用不同随机种子重复五次。统计检验采用 Wilcoxon 检验并做 Holm 校正。

指标。Dice 衡量预测掩膜与参考掩膜的重叠程度(1 为完美)。HD95 是预测轮廓 95% 的点相对于参考轮廓所处的距离(毫米),越小越好。FROC 曲线描绘灵敏度(找到的病灶比例)随每个体积假检出数变化的关系。

结果

机器学习指标。包膜,使用 10% 扫描时:µFM 的 Dice 为 93.8 ± 0.6%,HD95 为 2.0 ± 0.4 mm;最佳预训练对照 EchoCare 为 87.9% 和 5.8 mm,nnU-Net 为 85.8%。尿道,使用 10% 时:Dice 58.4 ± 1.0%,HD95 4.3 mm;EchoCare 为 47.0% 和 6.8 mm。使用 100% 扫描时差距缩小:包膜上 µFM 为 95.1%,nnU-Net 为 94.6%,差异不显著(Dice 的 pHolm = 0.648);尿道上 µFM 为 63.1%,EchoCare 为 59.4%,MicroSegNet 为 58.2%,与这两者相比差异不显著。对于病灶,每个体积一次假检出时灵敏度为 0.648 ± 0.023(URFM:0.507),两次假检出时为 0.762 ± 0.030(URFM:0.559)。该任务未报告任何统计检验。

临床转化。对于包膜,10% 的训练扫描在这里约为五次扫描(由 45 名训练患者推算);用如此少的标注达到 93.8% 的 Dice,对希望把工具适配到自家设备的科室很有意义。尿道 58.4% 的 Dice 意味着假检出加漏检约相当于正确分割体积的 1.4 倍:轮廓仍然粗略,而尿道正是局部治疗中需要保护的结构。对于检测,每个体积两次假警报时约四分之三的病灶被找到:每 100 个真实病灶约漏掉 24 个,而最佳对照约漏掉 44 个,但每次检查平均会提示两处需要复核的区域。测试集中病灶的确切数量文中未给出。

做得好的地方

规模与广泛的比较。在狭窄领域预训练了 170 万张图像,对比四类共十一个参照(自然图像、生物医学、通用超声、有监督网络),使用五个随机种子,并对多重比较做了校正。

对标注需求的量化。结果按 10%、20%、50%、100% 的扫描给出,显示预训练在哪里有帮助、在哪里不再有帮助。作者并不回避:在 100% 时,nnU-Net 在包膜上与 µFM 持平。

细致的患者隔离。下游任务的患者在患者层面被排除出预训练,限制了 data leakage(数据泄漏,即测试信息流入训练)。此外,包膜数据集来自另一家机构——佛罗里达大学,为该任务提供了初步的跨机构检验。

不足之处

人群与设备偏倚。预训练和三项任务中的两项来自同一家医院、同一平台、同一操作者。风险是 shortcut learning(捷径学习):模型可能依赖设备或该操作者扫描习惯的特征,而非解剖结构。作者承认尿道和病灶任务缺乏外部或前瞻性验证。

测试集小,不确定性描述不足。测试集分别为 20、30 和 58 名患者。标准差来自五次训练重复,而非患者抽样:它衡量的是优化稳定性,而不是性能的统计不确定性。病灶检测没有统计检验,也没有消融实验区分收益来自领域特异性、数据量还是训练方案。此外,µFM 是在同时提供尿道与病灶测试集的机构的图像上预训练的,而据文中所述,对照模型来自其他来源:比较并不像看上去那样对称。

指标偏乐观,任务离临床较远。包膜 95% 的 Dice 已无太多提升空间:在 100% 标注下,与 nnU-Net 的差异不显著。对于病灶,每个体积两次假检出时 0.762 的灵敏度,是平均 FROC 曲线上的一个点,而不是按患者计算的检出率。论文衡量的是算法性能,而非其对穿刺靶点选择或工作流程的影响。此外还有利益冲突:一位作者隶属于 Exact Imaging(所用 ExactVu 设备的制造商),另外两位接受该公司的资助或酬金,还有一位在 Siemens Healthineers 拥有经济利益。公共资金来自美国国立卫生研究院(NIH,R01-CA248506 和 R01-CA272702)。论文未说明代码或权重是否可用,数据也不公开。

它改变了什么

对研究界。论文为微超声提供了一个扎实的比较基准,并提示模态专用模型主要在标注稀缺时有帮助。合乎逻辑的后续工作:在其他中心和其他设备上测试,并做消融实验,同时公开代码和权重供他人验证。

对临床医生。目前没有任何改变:这是预印本,不是经过验证的工具,也没有任何结果涉及是否穿刺的决策。长远来看,只需几十个标注即可适配的基础模型,可能降低部署分割或靶点辅助工具的成本,前提是证明它能在不同医院之间保持稳定。

对患者与公众。如果验证跟得上,更好地勾画前列腺、尿道和可疑区域,可能让穿刺活检和局部治疗更精准。目前还很遥远:论文对实际中的漏诊或避免的穿刺只字未提。

延伸阅读

预印本发布于 medRxiv:doi.org/10.64898/2026.09.29.26364330。前列腺包膜任务依托 MicroSegNet 的公开数据集(佛罗里达大学)。文中提到的对照模型(DINOv2、BiomedCLIP、USFM、URFM、USF-MAE、EchoCare、nnU-Net、TransUNet、MicroSegNet)见各自论文。该预印本尚未经同行评议,许可协议为 CC BY-NC-ND 4.0。

编辑透明度说明:本文借助人工智能工具、依据预印本文本制作;英文、西班牙文和中文版本为机器翻译。