智能工具可在 PET 掃描中準確檢測多種不同癌癥類型

根據2024年核醫學和分子成像學會年會上提交的研究報告，一種新的人工智能方法可以在全身PET/CT掃描中準確檢測六種不同類型的癌癥。通過自動量化腫瘤負荷，新工具可用于評估患者風險、預測治療反應和估計生存率。

“癌癥的自動檢測和表征是實現早期治療的重要臨床需求，”馬里蘭州巴爾的摩約翰霍普金斯大學醫學院副研究員Kevin H. Leung博士說。“大多數旨在檢測癌癥的人工智能模型都建立在小到中等規模的數據集上，這些數據集通常包含單個惡性腫瘤和/或放射性示蹤劑。這代表了當前醫學成像和放射學領域人工智能應用的培訓和評估范式中的一個關鍵瓶頸。”

為了解決這個問題，研究人員開發了一種深度遷移學習方法（一種人工智能），用于PET/CT掃描的全自動全身腫瘤分割和預后。研究分析了611例肺癌、黑色素瘤、淋巴瘤、頭頸癌和乳腺癌患者的FDG PET/CT掃描數據，以及408例前列腺癌患者的PSMA PET/CT掃描數據。

人工智能方法從預測的腫瘤分割中自動提取放射特征和全身成像測量值，以量化所有癌癥類型的分子腫瘤負荷和攝取。定量特征和影像學測量用于建立預測模型，以證明癌癥患者風險分層、生存估計和治療反應預測的預后價值。