在前列腺癌中预测ISUP分级的放射学模型的基于机器学习的构建和验证:基于[68Ga]Ga-PSMA PET/CT的多中心放射学研究
Honghu Zhang1, Xin Jiang2,3, Guangjie Yang4
1Department of Urology, Disorders of Prostate Cancer Multidisciplinary Team, National Clinical Research Center for Geriatric Disorders, Xiangya Hospital, Central South University, No.87 Xiangya Road, Changsha City, Hunan Province, China.
概括
这项研究开发了一种使用68Ga-PSMA PET/CT的放射学模型,以准确预测前列腺癌 (PCa) ISUP等级的非侵入性. 整合SUVmax和PSA改善了预测,为个性化PCa诊断和治疗提供了工具.
科学领域:
- 核医学是一种核医学.
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 机器学习在医学中的应用
背景情况:
- 准确的国际泌尿病学学会 (ISUP) 评分对于前列腺癌 (PCa) 管理至关重要.
- 需要ISUP等级预测的非侵入性方法来改善活检和治疗决策.
- 68Ga-PSMA PET/CT放射学对于ISUP分级预测的实用性仍未得到充分研究.
研究的目的:
- 调查68Ga-PSMA PET/CT放射学对原发性前列腺癌ISUP分级的预测性能.
- 建立和验证一个强大的放射学模型,用于非侵入性的ISUP等级评估.
主要方法:
- 一项多中心研究,对415名PCa患者进行68Ga-PSMA PET/CT扫描.
- 放射性特征提取,选择 (mRMR,LASSO) 和机器学习分类 (8 个模型).
- 在三个中心进行外部验证;模型还与SUVmax和PSA集成进行了测试.
主要成果:
- 最好的放射学模型在训练队列中获得了0.868的AUC,在测试和验证队列中表现相似 (AUC为0.812-0.860).
- 将放射性特征与SUVmax和PSA集成显著提高了预测准确性,在训练组中达到0.892的AUC.
- 模型在评估中显示出高特异性 (96.0%).
结论:
- 一个经过验证的68Ga-PSMA PET/CT放射学模型提供了一个准确的,非侵入性的方法来预测PCa ISUP等级.
- 多中心设计和外部验证证实了该模型的稳定性和适用性.
- 将放射学与SUVmax和PSA相结合,提供了更高的准确性,推进了个性化的PCa诊断和治疗计划.
更多相关视频
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
2.9K
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
384
