基于深度学习的PSMA PET细分可重复性:对单中心,前性,测试-再测试试验的后期分析

科学领域:

• 核医学就是核医学.
• 在瘤学瘤学.
• 医疗成像中的人工智能

背景情况:

• 前列腺特异性膜抗原 (PSMA) 定子发射断层扫描 (PET) 对前列腺癌的分期和监测至关重要.
• 人工智能 (AI) 提供PSMA PET扫描的自动分析,但其测试-重复测试可重复性需要验证.
• 评估AI模型在不同的PSMA射线追踪器 (如Ga-PSMA-11和F-PSMA-1007) 上的性能,对于临床应用至关重要.

研究的目的:

• 量化人工智能衍生的PSMA PET成像生物标志物的测试-重复测试可重复性.
• 为了评估AI细分模型的性能,该模型在[⁶⁸Ga]Ga-PSMA-11 PET扫描上训练,当应用到[¹⁸F]F-PSMA-1007 PET扫描时.
• 为了在转移性前列腺癌患者中比较人工智能生物标志物的可重复性,在intra-tracer和inter-tracer场景之间.

主要方法:

• 一个前性的,单中心的,测试复试试验的后期分析,涉及17名转移性前列腺癌患者.
• 患者接受了两次PSMA PET扫描,使用相同的标记物 (intra-tracer组,n=9) 或不同的标记物 (inter-tracer组,n=8).
• 人工智能驱动和半自动划分用于量化四个成像生物标志物的受体级重复性,包括PSMA阳性瘤体积.

主要成果:

• 对所有生物标志物的可重复性较差,相比于 intra-tracer 组,inter-tracer 组的生物标志物可重复性较差.
• 在intra-tracer组中,人工智能衍生的PSMA阳性瘤体积显示,患有较高疾病体积的患者的重复系数为13.8%.
• 人工智能模型在Ga-PSMA-11和F-PSMA-1007 PET扫描之间显示了可比的损伤水平正预测值.

结论:

• 基于AI的PSMA阳性瘤体积计算显示出适用于响应评估的可重复性极限 (RECIP 1.0标准) 在使用相同PET追踪器时,在较高体积疾病中.
• 不同标记物之间重复性的显著变化强调了使用一致的放射标记物在转移性前列腺癌中评估反应的重要性.
• 这些发现支持使用人工智能进行定量PSMA PET分析,前提是保持一致的成像协议.