用于 PET 成像的新工具允許對腦腫瘤進行評估

根據發表在《核醫學雜志》上的新研究，一種新的人工智能工具提供了一種全自動、易用和客觀的方法來檢測和評估腦腫瘤。開發用于氨基酸PET掃描的基于深度學習的分割算法也可以評估腦瘤患者對治療的反應，其質量與有經驗的醫生相當，但時間很短。

PET在腦瘤診斷中變得越來越重要，補充了結構MRI。在過去的幾年中，一些研究已經證明了代謝腫瘤體積對于評估腦瘤患者的治療反應的診斷價值。然而，由于測量腦腫瘤的代謝腫瘤體積的變化是耗時的，所以它通常不是常規臨床評估的一部分。

“代謝性腫瘤體積在臨床實踐中沒有進行常規評估，這一事實表明，體積氨基酸PET分割所需的時間和精力仍然超過了臨床效益，”Philipp Lohmann博士說，他是醫學物理學助理教授(Habilitation ),也是德國于利希研究中心神經科學和醫學研究所定量圖像分析和人工智能的團隊負責人。

“作為回應，我們的團隊開發了一種基于深度學習的分割算法，用于對氨基酸PET數據進行魯棒和全自動的體積評估，并評估了其在神經膠質瘤患者反應評估中的性能。”研究人員回顧性評估了來自555名腦腫瘤患者的699次18F-FET PET掃描(在初始診斷時或隨訪期間)。在訓練和測試數據集上配置基于深度學習的分割算法，并測量代謝腫瘤體積的變化。

此外，該算法還應用于更近發表的18F-FET PET研究數據，該研究旨在評估接受替莫唑胺輔助化療的膠質母細胞瘤患者的療效。然后將算法的反應評估與研究中報告的有經驗的醫生的評估進行比較。