一种基于人工智能的全自动化方法用于前列腺癌中PSMA-1007PET-CT图像的瘤检测和定量
Elin Trägårdh1,2, Johannes Ulén3, Olof Enqvist3,4
1Department of Translational Medicine, Wallenberg Centre for Molecular Medicine, Lund University, Malmö, Sweden. Elin.tragardh@med.lu.se.
EJNMMI physics
|August 20, 2025
概括
一种新的人工智能 (AI) 方法显著改善了PSMA PET-CT扫描中前列腺癌转移的检测和量化. 这种人工智能工具提高了前列腺,淋巴结和骨瘤的准确性,有助于癌症分期和治疗监测.
科学领域:
- 医学成像
- 在瘤学中使用人工智能
- 放射性药物
背景情况:
- 在PSMA PET-CT中开发先进的前列腺癌检测技术至关重要.
- 之前的人工智能模型显示出有前途, 但需要进一步的改进.
- 精确的瘤量化对于治疗反应的评估至关重要.
研究的目的:
- 增强基于人工智能的方法来检测和量化前列腺,淋巴结和骨转移.
- 提高AI在分析[18F]PSMA-1007PET-CT扫描中的准确性和性能.
- 将新的人工智能方法与手动分析和以前的人工智能模型进行比较.
主要方法:
- 使用了1064个[18F]PSMA-1007 PET-CT扫描,其中120个在测试组中.
- 开发和训练一个卷积神经网络使用手动注释的损伤作为基本真理.
- 计算的灵敏度,正预测值 (PPV) 和总损伤体积 (TLV) 和总损伤吸收量 (TLU) 的相关性.
主要成果:
- 人工智能方法的灵敏度达到85% (前列腺),91% (淋巴结) 和61% (骨).
- 85% (前列腺),83% (淋巴结) 和58% (骨) 的PPV显示显著改善.
- 手动和人工智能计算的TLV和TLU之间的相关性在r=0.62到r=0.96之间.
结论:
- 新开发的自动化人工智能方法在检测和量化前列腺癌转移方面显著提高了性能.
- 人工智能方法在积极预测价值方面表现出特别的改善,特别是在骨转移方面.
- 在www.recomia.org上免费使用人工智能工具.
