基于先验信息的多群体多目标优化算法在肝细胞癌18F-FDG PET/CT药代动力学参数估计中的应用研究

本研究针对肝细胞癌(HCC)诊断中18F-FDG PET/CT药代动力学参数估计的难题，创新性地提出基于先验信息的多群体多目标优化(p-MPMOO)方法。通过建立双输入可逆三室模型(r-DI-3CM)，结合粒子群优化(PSO)、差分进化(DE)和遗传算法(GA)，显著提升了K1、k4等关键参数的诊断区分度(AUC提高，P<0.05)，为肝癌精准诊断提供了新工具。

　　

在肝癌诊断领域，动态18F-FDG PET/CT成像技术因其无创、可定量等优势备受关注。然而，传统的药代动力学参数估计方法面临两大瓶颈：一是单个体优化算法如LM（Levenberg-Marquardt）易陷入局部最优；二是群体优化算法如PSO（粒子群优化）虽能全局搜索，但所得参数可能偏离生理实际范围。这些问题导致参数在肝癌与正常肝组织间缺乏显著统计学差异，严重影响诊断准确性。

昆明理工大学云南省人工智能重点实验室的研究团队在《BMC Medical Imaging》发表的研究中，创新性地将先验生理信息融入优化过程，提出基于先验的多群体多目标优化(p-MPMOO)框架。该方法通过建立双输入可逆三室模型(r-DI-3CM)，利用24例HCC患者的动态PET数据，首次实现了参数估计过程中生理合理性与数学精度的协同优化。研究显示，p-MPMOO系列算法（包括p-MPMOPSO、p-MPMODE和p-MPMOGA）在K₁(葡萄糖转运速率)和k₄(去磷酸化率)等关键参数上，其诊断效能(AUC)显著优于传统方法(P<0.05)，为肝癌无创诊断提供了新范式。

关键技术方法包括：1)采用5分钟动态PET联合60分钟静态PET的扫描方案；2)基于图像ROI提取肝动脉和门静脉双输入函数；3)构建r-DI-3CM模型描述FDG代谢过程；4)开发先验信息加权的多目标优化函数(pRMSE=RMSE-s_p)，其中s_p为参数生理合理性评分。

研究结果

参数估计与统计分析

p-MPMOO系列算法在K₁和k₄上展现出显著优势：p-MPMOPSO使k₂、k₃、k₄和f_a的组间差异P值均<0.05；p-MPMODE在5个参数上实现显著差异；p-MPMOGA则在全部6个参数上均表现优异。特别值得注意的是，K₁在HCC组(1.282±0.179)显著高于正常肝组织(1.169±0.253)，符合肝癌葡萄糖代谢增强的生理特征。

ROC分析

DeLong检验显示，p-MPMOO方法在K₁(AUC=0.791 vs 0.730)和k₄(AUC=0.677 vs 0.624)上显著优于LM算法(P<0.05)，验证了其诊断效能的提升。

TAC曲线拟合

三组p-MPMO算法均展现出优异的曲线拟合能力，其RMSE误差低于对应单群体优化算法，证实了方法在数学精度与生理合理性间的平衡能力。

结论与意义

该研究通过创新性地将先验生理信息编码为多目标优化函数，解决了药代动力学参数估计中"数学最优解≠生理最优解"的核心矛盾。p-MPMOO框架使K₁(反映Gluts转运活性)和k₄(反映G6P酶活性)等参数首次在HCC诊断中展现出明确的生理意义和统计学差异，为肝癌的精准分型、疗效评估提供了新思路。未来通过扩大样本量验证参数与肿瘤分化程度的关系，有望进一步拓展该方法的临床应用价值。