基于68Ga-PSMA-11 PET/CT的深度学习用于预测前列腺癌患者的病理升级
Shiming Zang1, Cuiping Jiang2, Lele Zhang1
1Department of Nuclear Medicine, Nanjing First Hospital, Nanjing Medical University, Nanjing, China.
Frontiers in oncology
|January 23, 2024
概括
使用68Ga-PSMA-11 PET/CT的深度学习 (DL) 显示了预测前列腺癌 (PCa) 病理升级从活检到激进前列腺切除术 (RP) 的潜力. 这种AI方法可能有助于PCa患者的治疗决策.
科学领域:
- 核医学成像技术 核医学成像技术
- 在瘤学中使用人工智能
- 前列腺癌的诊断方法 前列腺癌的诊断方法
背景情况:
- 在前列腺癌 (PCa) 中,从活检到激进前列腺切除术 (RP) 的病理升级会影响治疗决策.
- 准确预测升级对于个性化PCa管理至关重要.
研究的目的:
- 评估使用68Gallium-前列腺特异性膜抗原 (PSMA) -11 PET/CT进行深度学习 (DL) 模型的可行性和重要性,以预测PCa患者的病理升级.
- 评估DL模型在鉴定活检和RP标本之间的PCa病理学显著变化的性能.
主要方法:
- 对接受68Ga-PSMA-11 PET/CT,活检和RP的PCa患者的回顾性分析.
- 开发两个DL模型 (3D ResNet-18,3D DenseNet-121) 和一个支持矢量机 (SVM) 模型,将临床数据与DL特征集成.
- 使用接收器操作特征曲线 (AUC) 下的面积,精度,灵敏度和特异性的性能评估.
主要成果:
- 结合了临床数据和3D ResNet-18 DL特征的SVM模型,在测试组中实现了0.628的AUC和0.727的准确性.
- 该模型在研究的PCa队列中显示了对病理升级的令人满意的预测性能.
结论:
- 使用68Ga-PSMA-11 PET/CT的深度学习 (DL) 方法在预测前列腺癌 (PCa) 中从活检到激进前列腺切除术 (RP) 的病理升级方面表现有希望.
- 这些人工智能驱动的成像方法可能为改进PCa治疗策略提供有价值的见解.
