基于人工智能的前列腺癌病变特征和结果预测在DCFPyL PSMA成像上[18F]DCFPyL PSMA成像
Linmei Zhao1, Maliha R Imami2, Yuli Wang2
1Department of Radiology, University of Colorado School of Medicine, Aurora, CO, USA; Department of Radiology and Radiological Science, Johns Hopkins University School of Medicine, Baltimore, MD, USA.
概括
人工智能 (AI) 模型在改善前列腺癌 (PCa) 病变特征和使用[18F]DCFPyL PET/CT成像预测患者结果方面表现有前途. 这些人工智能工具可以帮助识别高风险患者,以便更好地进行临床决策.
科学领域:
- 核医学就是核医学.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 前列腺癌 (PCa) 的诊断和预测结果仍然具有挑战性.
- 像[18F]DCFPyL PET/CT这样的先进成像技术提供了新的诊断可能性.
- 需要智能工具来帮助PCa的临床决策.
研究的目的:
- 开发和评估人工智能 (AI) 模型用于PCa的病变特征.
- 评估AI模型在预测治疗反应和生存结果方面的表现.
- 为了利用 [18F]DCFPyL PET/CT成像数据来加强PCa管理.
主要方法:
- 深度学习模型使用PCa患者的[18F]DCFPyL PET/CT数据进行训练.
- 为PSMA报告和数据系统 (RADS) 评分,恶性瘤分类,治疗反应和生存预测开发了模型.
- 研究了单模和多模 (PET/CT) AI 模型.
主要成果:
- 结合PET和CT数据的多模式AI模型在所有评估任务中表现出卓越的性能.
- 在接受器运行特征曲线 (AUROC) 下的高面积在内部和前性测试集中实现了PSMA-RADS评分和恶性瘤分类.
- 人工智能模型显示出预测治疗反应和生存结果的潜力,C指数为0.58至0.60.
结论:
- 使用[18F]DCFPyL PET/CT成像的AI模型可以显著改善前列腺癌病变的特征.
- 这些人工智能工具显示出识别患有疾病进展高风险的患者的潜力.
- 人工智能与先进成像技术的整合为个性化PCa治疗策略提供了希望.
