用公共基准PET/CT数据集对自动淋巴瘤代谢瘤体积细分的人工智能方法的验证

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:

• 对总代谢瘤体积 (TMTV) 的准确细分对于淋巴瘤分期和治疗评估至关重要.
• 手动对F-FDG PET/CT扫描进行细分是耗时的,并且容易产生互读器变化.

研究的目的:

• 评估一种基于人工智能的方法,用于在淋巴瘤患者中实现自动化TMTV细分.
• 使用基准数据集将AI性能与专家读者进行比较.

主要方法:

• 在1500个F-FDG PET/CT扫描中训练了一个3D U-Net AI模型.
• 该模型在60个基准扫描 (毛囊淋巴瘤,霍奇金淋巴瘤,扩散大B细胞淋巴瘤) 上进行了测试,由核医学医生细分.
• 使用布兰德-阿尔特曼分析,以10%或10厘米³的偏差值来评估协议.

主要成果:

• 在83%的案例中,人工智能方法实现了TMTV细分,在基准参考的10%或10cm³以内.
• 在另外4个案例中,AI结果与至少一个专家读者部分一致.
• 人工智能模型在标准化的基准设置中与专家衍生TMTV具有很高的一致性.

结论:

• 这种基于人工智能的方法在淋巴瘤中对TMTV进行细分时的性能与人类专家相提并论.
• 自动化细分可以减少临床实践中的手动工作量和互读器变化.
• 人类监督仍然是最佳准确性和最小化错误的必要条件.