FDG PET/CTで腫瘍の線引きを図るための傷害適応セグメンテーションアプローチ,分散型大B細胞リンパ腫患者における

科学分野:

• 核医学は,核医学である.
• 腫瘍学 腫瘍学
• ラジオミックス (Radiomics) とは

背景:

• 拡散型大B細胞リンパ腫 (DLBCL) の代謝性腫瘍容量 (MTV) の標準SUV4.0の値は,異質な残留吸収と低いコントラストのため,中間および治療終了時の (EoT) [18F]FDG PETスキャンでは信頼性が低い可能性があります.
• 正確なMTV評価は,DLBCLにおける治療応答の評価に不可欠です.

研究 の 目的:

• DLBCLにおける病変の特徴と治療段階に基づいて最適な[18F]FDG PETセグメンテーション方法を選択するための病変適応決定ルールの開発と検証.
• この意思決定規則のパフォーマンスを,機械学習 (ML) ベースの選択モデルと比較します.

主な方法:

• 33人のDLBCL患者の598件の病変は,半自動化された6つの方法 (SUV2.5,SUV4.0,41%max,A50peak,MV2,MV3) を使って,ベースライン,中間,およびEoT PET/CTでセグメント化されました.
• セグメンテーションの質は,専門家オブザーバーによって評価され,病変の特徴 (SUVpeak, TBRpeak, SUVbg) と治療段階の影響を評価した.
• 重要な特徴の600万以上のルールベースの組み合わせを評価することによって,損傷適応決定規則が導出されました.

主要な成果:

• シンプルな決定ルール (SUV4.0 SUVpeak > 8,SUVbg > 0.8,MV3 SUVbg > 0.8,その他 MV2) で,好ましい方法の選択で0.82の傷害の精度を達成し,最良のMLモデルと一致しました.
• 決定ルールは,傷害レベルのMTV合意 (ρ=0.85) を改善し,SUV4.0のみ (ρ=0.82,63.5%の偏差) と比較してMTV偏差 (>10%) を減少させた.
• トータル-MTVの合意は,すべての方法において高く,暫定的な決定規則とEoT PET.の控えめな利益がありました.

結論:

• SUVpeakとSUVbgを用いたシンプルな意思決定ルールのアプローチにより,治療段階における個々のDLBCL病変の最適なセグメンテーション方法を効果的に選択できます.
• この方法は,MLモデルよりもシンプルで臨床適用性が高く,SUV4.0が最適でない場合の,インターミナルおよびEoT PETの現在のセグメンテーションのギャップに対処します.
• 決定規則は,DLBCLにおけるMTVの評価の信頼性を高め,特に標準的な値測定法が適切でない場合に役立ちます.