使用基于PSMA-1007 PET/CT和多参数MRI的多式深度学习方法预测前列腺癌的不良病理
Heng Lin1, Fei Yao2, Xinwen Yi1,3
1The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, 325000, China.
European journal of nuclear medicine and molecular imaging
|February 19, 2025
概括
结合PSMA-1007 PET/CT和多参数MRI (mpMRI) 的新深度学习模型,可以准确预测前列腺癌 (PCa) 的不良病理. 这种综合方法显著改善了个体成像方法,以便更好地决定患者的治疗.
科学领域:
- 放射学和成像学 放射学和成像学
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 在前列腺癌 (PCa) 中准确预测不良病理 (AP) 对于有效的治疗计划至关重要.
- 目前的成像技术在激进前列腺切除术 (RP) 之前精确识别AP的局限性.
研究的目的:
- 开发和评估使用PSMA-1007 PET/CT和多参数MRI (mpMRI) 进行PCa.AP预测的多式联络深度学习模型.
- 将综合多式模式的性能与个别成像模式和临床模型进行比较.
主要方法:
- 对341名PCa患者的回顾性分析,这些患者接受了手术前mpMRI和PSMA-1007 PET/CT的RP.
- 使用卷积神经网络和变压器开发多模式深度学习模型 (MPC),结合临床数据创建综合模型 (MPCC).
主要成果:
- 集成的MPCC模型在预测AP方面表现优异,AUC为0.955.
- MPCC模型的表现优于MPC模型 (AUC,0.930),以及单个的mpMRI (AUC,0.865) 和PET/CT (AUC,0.813) 模型.
- 此外,MPCC模型在预测个体不良病理特征方面也表现出有效性.
结论:
- 将mpMRI和[F]PSMA-1007 PET/CT与深度学习相结合,显著提高了PCa患者的AP预测.
- 这种先进的预测能力支持医生做出明智的手术前决策.
- 改进手术前决策可以带来更好的患者结果和预后.
