机器学习预测了使用前列腺特异性膜抗原 (PSMA) PET放射学对割敏感性前列腺癌 (omCSPC) 的常规成像无转移存活率 (MFS)

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 精细化的割敏感前列腺癌 (omCSPC) 需要准确的早期反应评估.
• 转移导向疗法 (MDT) 是omCSPC的一种治疗选择.
• 前列腺特异性膜抗原正子发射断层扫描 (PSMA-PET) 是一种先进的成像技术.

研究的目的:

• 调查MDT前后获得的PSMA-PET扫描中的成像生物标志物.
• 在omCSPC患者中预测2年无转移生存期 (MFS).
• 评估对MDT的早期反应,以改善患者的治疗结果.

主要方法:

• 一个由117名omCSPC患者组成的国际队列,接受了立体性废除性辐射疗法 (SABR) MDT.
• 从MDT前后的PSMA-PET/CT扫描中分析PET的放射性特征.
• 机器学习模型 (随机森林,决策树,SVM,天真贝叶斯式) 用于2年MFS预测,通过离开一次和跨机构测试进行验证.

主要成果:

• 从PSMA-PET扫描前后的扫描中选择了六个放射性特征 (例如,总能量,值,标准偏差,对比度).
• 随机森林模型实现了80%的准确性和0.82AUC为2年的MFS预测在离开一次的验证.
• 跨机构验证显示准确率为75-78%,AUC为0.77-0.80.

结论:

• 在MDT前和之后,基于PSMA-PET的成像生物标志物在omCSPC中显示出对MFS预测的前景.
• 这些生物标志物可以作为对OMCSPC患者早期反应评估的宝贵工具.
• 这些发现支持将PSMA-PET放射学整合到前列腺癌治疗反应评估中.