前列腺特异性膜抗原-正子发射断层导向放射学和机器学习在前列腺癌中
Justine Maes1, Simon Gesquière2, Alex Maes1,3
1Department of Nuclear Medicine, AZ Groeninge, 8500 Kortrijk, Belgium.
Cancers
|October 16, 2024
概括
放射学和机器学习与前列腺特异性膜抗原 (PSMA) PET成像显示了前列腺癌的非侵入性特征和预测复发的希望. 这些人工智能方法可能为基于活检的格里森评分提供替代方案,并增强临床决策.
科学领域:
- 核医学就是核医学.
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
背景情况:
- 前列腺特异性膜抗原 (PSMA) 向正子发射断层扫描 (PET) 成像对于前列腺癌的管理至关重要.
- 来自活检和切除的格里森得分经常显示不一致,影响治疗决策.
研究的目的:
- 对前列腺癌PSMA-PET成像中放射学和机器学习 (ML) 应用的文献进行审查.
- 评估这些方法作为格里森得分表征和复发预测的非侵入性工具的潜力.
主要方法:
- 在前列腺癌中使用放射学和ML与PSMA向放射性连接体的研究的系统文献综述.
- 关于格里森评分评估,生物化学复发预测,良性与恶性吸收差异化以及治疗结果预测的数据分析.
主要成果:
- 放射学和ML可能会优于基于活检的格里森评分,用于初级前列腺癌的非侵入性特征.
- 这些方法显示出预测生化复发的潜力,并区分良性与恶性PSMA吸收.
- 初步结果表明,在预测治疗结果和177Lu-PSMA治疗后的整体存活率方面有价值.
结论:
- 在PSMA-PET成像中应用的放射学和ML为前列腺癌的表征和预后提供了一种有前途的非侵入性方法.
- 需要对更大的数据集进行进一步的研究,以验证这些人工智能技术在临床实践中的附加值.
