Hyung Joon Park (Prof. Kwan Hyi Lee) enhances prostate cancer screening accuracy using an explainable AI-integrated multi-marker FET biosensor.


KU-KIST Gratuate School of Converging Science and Technology Prof. Kwan Hyi Lee (Right), Integrated M.S.-Ph.D. student Hyung Joon Park (Left)
 

Prostate cancer is one of the most frequently diagnosed cancers in men worldwide, and early detection significantly improves treatment success rates. The Prostate Imaging Reporting and Data System (PI-RADS) is a widely used MRI-based diagnostic tool, but it struggles to accurately assess PI-RADS 3 lesions, leading to unnecessary biopsies and false-positive diagnoses.

In this study, researchers developed an explainable artificial intelligence (XAI)-based screening system that integrates a highly sensitive dual-gate field-effect transistor (DGFET) biosensor to detect multiple urinary exosomal biomarkers associated with prostate cancer. By analyzing TMEM256, Flotillin-2, and PSMA biomarkers with an XAI-driven machine learning model, the system demonstrated superior diagnostic accuracy.

Clinical trials using 102 patient samples showed that the AI-enhanced system achieved an AUC of 0.93, significantly improving prostate cancer detection. Notably, for PI-RADS 3 lesions, which previously had a 30.4% diagnostic accuracy, the new method increased accuracy to 66.7%, more than doubling its effectiveness. The integration of explainable AI not only improved accuracy but also provided clinicians with transparent, data-driven insights for decision-making.

This research was conducted by Integrated M.S.-Ph.D. student Hyung Joon Park under the guidance of Prof. Kwan Hyi Lee at the KU-KIST Graduate School of Converging Science and Technology. The results have been published in Biosensors and Bioelectronics (Impact Factor: 10.7, JCR 2.4%).

* (Title) Explainable artificial intelligence-driven prostate cancer screening using exosomal multi-marker based dual-gate FET biosensor

* (Journal) Biosensors and Bioelectronics 267 (2025) 116773 (Impact factor: 10.7, JCR 2.4%) 
 

Figure 1. Schematic of the explainable artificial intelligence (XAI)-based prostate cancer diagnostic system. Urinary exosomal biomarkers are detected using a DGFET sensor, and XAI analysis enhances diagnostic accuracy by overcoming the limitations of PI-RADS scoring.