在[¹⁸F]FDG PET/CT中对骨髓代谢活动的基于人工智能的体积评估预测了多发性髓瘤的生存率

科学领域:

• 核医学就是核医学.
• 在瘤学瘤学.
• 人工智能在医学中的应用

背景情况:

• 多发性骨髓瘤 (MM) 是一种异质的血细胞恶性瘤,患者的结果可变.
• 对于MM预后的[18F]FDG PET/CT扫描的标准化解释仍然是一个挑战.
• 人工智能 (AI) 为骨髓 (BM) 代谢活动的自动体积评估提供了一种新的方法.

研究的目的:

• 在新诊断的MM患者中调查全身BM代谢计算的预后价值.
• 利用一种新的AI工具,对PET/CT上的BM代谢活性进行自动体积评估.
• 为了将AI衍生的代谢瘤体积 (MTV) 和总损伤糖解 (TLG) 与患者结果相关联.

主要方法:

• 在44名新诊断的MM患者身上进行了全身[18F]FDG PET/CT扫描.
• 使用人工智能进行自动图像细分和体积定量BM代谢,结合基于CT的骨架细分和SUV值.
• 使用十种不同的AI方法计算全身MTV和TLG.
• 与组织病理学和生存数据 (PFS,OS) 的相关性分析;对于2年PFS预测的ROC分析.

主要成果:

• 在所有患者中,基于AI的细分和MTV和TLG的计算都是可行的.
• 在AI衍生的MTV/TLG和BM血细胞透之间发现了显著的正相关性.
• 多变量分析证实MTV,特别是使用肝脏摄取量作为参考,作为无进展生存 (PFS) 和整体生存 (OS) 的重要预测因素.
• MTV和TLG有效地预测了2年的PFS利率.

结论:

• 基于AI的全身BM代谢 (MTV,TLG) 计算与疾病负担相关,并预测MM的生存率.
• 使用肝脏摄取量作为参考,MTV为疾病进展提供了可靠的预后信息.
• 自动体积评估提供了一种简单,快速和可靠的方法,用于在MM中解释PET扫描,克服了取决于操作者的变化.