预测PSA50对[公式:见文本]Lu-PSMA疗法的反应,使用机器学习和自动化总瘤体积
Eduardo Rios-Sanchez1,2,3, Anne-Laure Giraudet4, Alicia Sanchez-Lajusticia4
1CREATIS; CNRS UMR 5220; INSERM U 1044; Université de Lyon; INSA-Lyon; Université Lyon 1, Lyon, France. eduardo.rios-sanchez@creatis.insa-lyon.fr.
EJNMMI physics
|November 11, 2025
概括
这项研究引入了一种使用68Ga-PSMA PET/CT成像来计算瘤总体积 (TTV) 的自动化方法,用于预测转移性割抵抗性前列腺癌中患者对177Lu-PSMA治疗的反应.
科学领域:
- 核医学是一种核医学.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 177Lu-PSMA疗法是转移性割抵抗性前列腺癌 (mCRPC) 的标准治疗方法.
- 预测个体患者对177Lu-PSMA治疗的反应仍然具有挑战性,尽管68Ga-PSMA PET/CT成像和结果之间已知相关性.
- 准确的响应预测对于优化mCRPC治疗策略至关重要.
研究的目的:
- 开发和验证一种自动化方法来计算68Ga-PSMA PET/CT成像的瘤总体积 (TTV).
- 为评估患者对177Lu-PSMA治疗的生物反应 (PSA50) 创建预测模型.
- 确定mCRPC患者治疗反应的关键成像和临床预测因素.
主要方法:
- 对139名接受177Lu-PSMA治疗的mCRPC患者进行了回顾性分析.
- 从68Ga-PSMA PET/CT扫描中自动提取TTV.
- 开发机器学习模型 (用L1,SVM进行逻辑回归) 以利用TTV和临床数据预测PSA50反应.
主要成果:
- 自动化的TTV计算和预测模型实现了0.68和0.67的F1分数,与现有的名ograms相比.
- 从TTV衍生的特征和诊断后的时间被确定为PSA50响应的显著预测因素.
- 开发的工作流提供了一种可重复的方法来预测治疗结果.
结论:
- 来自68Ga-PSMA PET/CT的自动TTV测量可以帮助预测mCRPC中的177Lu-PSMA治疗反应.
- 整合成像和临床数据的机器学习模型提高了响应预测的准确性.
- 对于生理区域的病变细分,需要进一步的细化,以提高模型的稳定性.
