在[¹⁸F]FDG PET/CT中应用基于人工智能的工具,用于评估多发性髓瘤中骨髓的参与

科学领域:

• 核医学就是核医学.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• [¹⁸F]FDG PET/CT对多发性骨髓瘤 (MM) 有价值,但由于骨髓透模式不同,解释有所不同.
• 尽管最近取得了进展,但在MM中对PET/CT解释的标准化仍然是一个挑战.
• 需要自动化工具来提高MM中BM代谢评估的可复制性.

研究的目的:

• 验证一种基于3D深度学习的新型工具,用于自动评估MM患者的BM代谢强度,使用FDG PET/CT.
• 评估自动化工具输出与视觉PET/CT分析和临床参数的相关性.

主要方法:

• 分析了35名未经治疗的MM患者的全身[FDG PET/CT扫描.
• 一个深度学习工具执行了基于CT的骨架细分,将其转移到PET图像中,应用了六个SUV值,并改进了区域.
• 计算的代谢瘤体积 (MTV) 和总损伤糖解 (TLG) 与视觉分析,组织病理学和临床数据相关.

主要成果:

• 该自动化工具成功地对所有患者的BM进行了细分,并计算了MTV和TLG.
• 在所有六个值的自动MTV/TLG值和视觉PET/CT分析之间发现了显著的正相关性.
• 自动MTV和TLG与BM血细胞透和β2-微型球蛋白水平有显著的相关性.

结论:

• 使用[¹⁸F]FDG PET/CT对MM中BM代谢活动的自动体积评估是可行的,使用开发的深度学习工具.
• 这种方法提供了一种可靠的方法,用于优化和标准化MM中的PET/CT解释.
• 需要进一步的前性研究,使用更大的队列来验证这些有希望的发现.