用于PET成像的新型AI工具可对脑肿瘤进行高质量全自动评估
根据《核医学杂志》十月号发表的新研究，一种新的人工智能工具提供了一种全自动、易于使用和客观的方法来检测和评估脑肿瘤。这种基于深度学习的分割算法专为氨基酸 PET 扫描而开发，还可以评估脑肿瘤患者对治疗的反应，其质量与经验丰富的医生相当，但所需时间却很短。
PET 在脑肿瘤诊断中变得越来越重要，作为结构 MRI 的补充。过去几年，多项研究证明了代谢肿瘤体积对于评估脑肿瘤患者治疗反应的诊断价值。然而，由于测量脑肿瘤代谢肿瘤体积的变化非常耗时，因此通常不属于常规临床评估的一部分。
“临床实践中并未常规评估代谢肿瘤体积，这一事实表明，体积氨基酸 PET 分割所需的时间和精力仍然超出了临床效益，”医学物理学助理教授(康复)Philipp Lohmann 博士及其团队说道德国于利希研究中心神经科学与医学研究所定量图像分析和人工智能领域的负责人。“作为回应，我们的团队开发了一种基于深度学习的分割算法，用于对氨基酸 PET 数据进行稳健且全自动的体积评估，并评估其在神经胶质瘤患者中的反应评估性能。”
研究人员回顾性评估了 555 名脑肿瘤患者的 699 18 F-FET PET 扫描(在初次诊断或随访期间)。基于深度学习的分割算法在训练和测试数据集上配置，并测量代谢肿瘤体积的变化。此外，该算法还应用于最近发表的 18 F-FET PET 研究的数据，该研究对接受替莫唑胺辅助化疗的胶质母细胞瘤患者的反应进行评估。然后将算法的反应评估与经验丰富的医生的评估进行比较，如研究中报告的那样。
在测试数据集中，算法正确识别了 92% 的摄取增加的病变和 85% 的等长或代谢低下的病变。算法检测到的代谢肿瘤体积的变化是无病生存和总生存的重要决定因素，与医生的评估一致。
Lohmann 表示：“这些发现凸显了基于深度学习的分割算法对于基于氨基酸 PET 体积评估的临床决策的改进和自动化的价值。” “我们研究中开发的分割工具可能成为进一步推广氨基酸PET并增强其临床价值的重要平台，这可能使脑肿瘤患者获得以前无法获得或难以获得的重要诊断信息。”
为了便于临床实施，分割算法是免费提供的，并且可以在配备 GPU 的传统计算机上执行，不到两分钟，无需预处理。Lohmann 说：“我们希望鼓励和支持神经肿瘤中心的治疗医生考虑为患者进行氨基酸 PET 治疗，即使他们以前经验很少或根本没有。” “每位患有脑肿瘤的患者都应该接受氨基酸 PET 检查。”
这项研究于 2023 年 8 月在线发布。
版权声明：本文由用户上传，如有侵权请联系删除！