使用深度学习平台的PSMA PET评估与标准图像查看器和组织病理学评估相比
Daniel Koehler1,2, Farzad Shenas3, Markus Sauer3
1Department of Diagnostic and Interventional Radiology and Nuclear Medicine, University Medical Center Hamburg-Eppendorf, Hamburg, Germany; d.koehler@uke.de.
概括
人工智能软件aPROMISE显示出对前列腺特异性膜抗原 (PSMA) PET/CT解释的高度一致,类似于标准观看器. 这种人工智能工具有效地细分了92.1%的病变,支持其用于早期前列腺癌评估.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 标准化前列腺特异性膜抗原 (PSMA) PET/CT有助于前列腺癌管理中的解释和可重现性.
- 人工智能 (AI) 提供了进一步增强PSMA PET/CT分析的潜力.
研究的目的:
- 为了评估深度学习软件aPROMISE的性能,用于PSMA PET/CT细分和报告.
- 在接受PSMA射线引导手术的患者中,将aPROMISE与标准图像查看器 (IntelliSpace Portal [ISP]) 进行比较.
主要方法:
- 从前列腺切除术后生化复发的96名患者的[68Ga]Ga-PSMA-I&T PET/CT扫描进行了回顾性分析.
- 两位读者使用ISP两次,使用aPROMISE两次评估扫描,计算miTNM阶段的内部和内部协议.
- 图像检测结果与基因病理学作为真理标准的相关性.
主要成果:
- 在ISP和aPROMISE.中观察到高的内部和内部协议协议率 (分别为≥91.7%和≥92.2%) .
- 该aPROMISE算法自动细分了140 (92.1%) 的共识识别病变中的129.
- 在成像和组织病理学之间发现了实质性的一致性 (≥86.5%),在34.4%的患者中发现了主要的分期差异.
结论:
- 对于PSMA PET/CT评估,ISP和aPROMISE的读者内部和读者间的同意率相对较高.
- 像aPROMISE这样的人工智能驱动的软件可以有效地细分PSMA PET/CT病变,证明其作为支持工具的实用性.
- 人工智能应用在提升前列腺癌早期检测和管理中的PSMA PET/CT评估方面表现有前途.


