革命性的人工智能工具在全身PET/CT扫描中检测多种癌症

　　

根据2024年核医学与分子成像学会年会上发表的研究，一种新的人工智能方法可以通过全身PET/CT扫描准确检测六种不同类型的癌症。通过自动量化肿瘤负荷，新工具可用于评估患者风险，预测治疗反应和估计生存。马里兰州巴尔的摩市约翰霍普金斯大学医学院的研究助理Kevin H. Leung博士癌症的自动检测和表征是早期治疗的重要临床需求。大多数旨在检测癌症的人工智能模型都建立在小型到中等规模的数据集上，这些数据集通常包含单一恶性肿瘤和/或放射性示踪剂。这代表了人工智能在医学成像和放射学应用的当前培训和评估范式中的一个关键瓶颈。”

为了解决这个问题，研究人员开发了一种深度迁移学习方法(一种人工智能)，用于PET/CT扫描的全自动全身肿瘤分割和预后。研究分析了611例肺癌、黑色素瘤、淋巴瘤、头颈癌和乳腺癌患者的FDG PET/CT扫描数据，以及408例前列腺癌患者的PSMA PET/CT扫描数据。人工智能方法自动从预测的肿瘤分割中提取放射学特征和全身成像测量，以量化所有癌症类型的分子肿瘤负担和摄取。定量特征和影像学指标用于建立预测模型，以证明癌症患者的风险分层、生存估计和治疗反应预测的预后价值。

Leung指出:“除了进行癌症预后外，该方法还提供了一个框架，通过识别强大的预测性生物标志物，表征肿瘤亚型，以及实现癌症的早期检测和治疗，有助于改善患者的预后和生存率。该方法还可以通过确定适当的治疗方案和预测对治疗(如放射性药物治疗)的反应，帮助晚期终末期疾病患者的早期管理。”

在未来，可推广的全自动人工智能工具将在成像中心发挥重要作用，帮助医生解读癌症患者的PET/CT扫描。深度学习方法还可能导致发现关于潜在生物学过程的重要分子见解，这些见解目前可能在大规模患者群体中研究不足。