使用全身PET/CT扫描的3D CNN预测扩散型大B细胞淋巴瘤进展的2年时间
Maria C Ferrández1,2,3, Sanne E Wiegers4,5, Gerben J C Zwezerijnen4,5
1Cancer Center Amsterdam, Department of Radiology and Nuclear Medicine, Amsterdam UMC, Vrije Universiteit Amsterdam, Amsterdam, Netherlands. m.c.ferrandezferrandez@amsterdamumc.nl.
EJNMMI research
|November 28, 2025
概括
这项研究开发了3D卷积神经网络 (CNN),用于预测扩散性大B细胞淋巴瘤 (DLBCL) 的进展. 3D CNNs的表现超过了国际预测指数 (IPI),并显示了与2D CNNs相似的结果,提供了更好的模型解释性.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 无线电学 (Radiomics) 是一种放射学.
背景情况:
- 扩散性大B细胞淋巴瘤 (DLBCL) 患者的结果需要改进的预测模型.
- 目前的预测工具,如国际预测指数 (IPI) 有局限性.
- pozitron发射断层扫描/计算机断层扫描 (PET/CT) 扫描为预测提供了丰富的数据.
研究的目的:
- 开发和评估3D卷积神经网络 (CNN) 以预测DLBCL患者的2年进展时间.
- 为了比较3D CNN与IPI和2D CNN (MIP-CNN) 的预测性能.
主要方法:
- 开发了两种3D CNN模型 (L-PET3D-CNN,LW-PET3D-CNN),使用DLBCL患者的基线PET/CT扫描.
- 对636例患者扫描数据集进行培训,对来自五项外部试验的496例扫描数据进行独立测试.
- 使用曲线下面面积 (AUC) 进行性能评估,并通过DeLong测试与IPI和MIP-CNN进行比较;用于解释性的遮蔽图.
主要成果:
- 3D CNN模型 (L-PET3D-CNN和LW-PET3D-CNN) 的AUC值分别为0.65和0.64,显著超过了IPI (AUC0.53).
- 在单个外部临床试验中,这两种3D CNN模型都表现出与IPI相比的优越性.
- 3D CNNs的性能与2D MIP-CNN模型 (AUC 0.65) 的性能相当.
结论:
- 3D CNN模型可以预测DLBCL患者在外部数据集中的结果,超过IPI.
- 虽然性能类似于2D CNN,但3D CNN通过3D遮蔽图提供了更好的解释性.
- 这些发现支持3D CNNs在改善DLBCL的预后准确性和理解方面的潜力.
