呼吸门PET获取量化:数据驱动的方法可以取代基于设备的系统吗? - - 一项比较和回顾性研究.
Laurentiu Agrigoroaie1, Nadege Anizan2,3, Camilo Garcia2
1Medical Imaging Departement, Gustave Roussy, 94805, Villejuif, France. laurentiu.agrigoroaie@gustaveroussy.fr.
EJNMMI research
|February 14, 2025
概括
[18F]FDG-PET/CT扫描中的数据驱动呼吸道门提供了与传统的基于设备的方法可比的准确量化. 这种人工智能驱动的方法在常规瘤评估中被证明是可靠的,提高了效率.
科学领域:
- 核医学就是核医学.
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 在PET中基于设备的呼吸门提高了准确性,但有设置时间和故障率的问题.
- 评估数据驱动门户作为基于设备的门户的替代方案,对于临床实践至关重要.
- 对瘤患者的[18F]FDG PET/CT扫描进行了回顾性分析.
研究的目的:
- 为了内部验证数据驱动的呼吸门PET成像的量化性能.
- 在临床瘤实践中,比较数据驱动门与黄金标准基于设备的方法.
主要方法:
- 对196名患者进行[18F]FDG PET/CT扫描的回顾性分析.
- 基于设备的门和人工智能驱动的OncoFreeze门之间的SUVmax和SUVpeak测量的比较.
- 计算平均绝对偏差和95%的置信区间.
主要成果:
- 在整个队列中,SUVmax的平均绝对偏差为3.8%,SUVpeak的平均偏差为2.1%.
- 只有5%的患者显示SUVpeak偏差>10%,21%显示SUVmax偏差>10%.
- 观察到最小偏差,无论病变大小或解剖部位如何,特别是根据PERCIST标准.
结论:
- 数据驱动的呼吸道门显示,与基于设备的门相比,数量上的差异可以忽略不计.
- 人工智能驱动的数据驱动门是常规[18F]FDG-PET/CT瘤评估的可靠和准确的替代方案.
- 这种方法提供了一个有前途的,高效的替代传统的门技术.


