根据发表在《核医学杂志》10月刊上的一项新研究，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是为氨基酸PET扫描而开发的，它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，但所用时间很短。

　　PET作为结构MRI的补充，在脑肿瘤诊断中越来越重要。在过去的几年里，一些研究已经证明了代谢肿瘤体积对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是耗时的，它通常不是常规临床评估的一部分。

　　Philipp Lohmann博士是医学物理学助理教授(康复)，也是德国Juelich研究中心神经科学和医学研究所定量图像分析和人工智能团队的负责人，他说:“在临床实践中，代谢肿瘤体积没有被常规评估，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过了临床效益。”

　　“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数据进行鲁棒性和全自动的体积评估，并评估其在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次18F-FET PET扫描(在最初诊断或随访期间)。在训练数据集和测试数据集上配置基于深度学习的分割算法，测量代谢肿瘤体积的变化。此外，该算法应用于最近发表的一项18F-FET PET研究的数据，该研究评估了辅助替莫唑胺化疗治疗胶质母细胞瘤患者的反应。然后将该算法的反应评估与研究中报告的有经验的医生的评估进行比较。

　　在测试数据集中，该算法正确识别了92%摄取增加的病变和85%等长或低代谢摄取的病变。算法检测到的代谢性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说:“这些发现突出了基于深度学习的分割算法在基于氨基酸PET体积评估的临床决策改进和自动化方面的价值。”“我们研究中开发的分割工具可能是进一步推广氨基酸PET并加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，分割算法是免费的，可以在配备传统gpu的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他们的病人使用氨基酸PET，即使他们之前很少或没有经验。”“每个脑肿瘤患者都应该有机会获得氨基酸PET。”

　　更多信息:Robin Gutsche等，利用氨基酸PET自动检测和分割脑肿瘤治疗反应评估，核医学杂志(2023)。DOI: 10.2967/jnum .123.265725期刊信息:Journal of Nuclear Medicine

　　由核医学学会提供

　　引用:新的PET成像人工智能工具可实现高质量、全自动成像

　　颅脑肿瘤的估值(2023年，10月17日)检索自https://medicalxpress.com/news/2023-10-ai-tool-pet-imaging-high-quality.html

　　作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司

　　内容仅供参考之用。