Radiology：基于人工智能的蛋氨酸PET与增强MRI的虚拟合成
2024-05-19 shaosai MedSci原创 发表于上海
据报道，在胶质瘤中，蛋氨酸摄取与MRI扫描上的对比增强(CE)区域之间存在相关性。图像到图像的转换模型涉及到生成对抗网络的应用，该网络可以从图像中提取特征。
碳11 (11C) -蛋氨酸是一种PET放射性示踪剂，常用于评估疑似脑肿瘤患者氨基酸代谢活跃区域的蛋氨酸摄取。11C-蛋氨酸可用于胶质瘤分级、预后预测和肿瘤范围的描绘。指南和先前的研究支持蛋氨酸PET用于胶质瘤患者的术前评估。然而，蛋氨酸PET检查是资源密集型的，并且涉及电离辐射。MRI通常用作评估胶质瘤的唯一成像方式，尽管蛋氨酸PET在肿瘤分级和划定范围方面优于MRI。
据报道，在胶质瘤中，蛋氨酸摄取与MRI扫描上的对比增强(CE)区域之间存在相关性。图像到图像的转换模型涉及到生成对抗网络的应用，该网络可以从图像中提取特征。目前，很少有发表的研究使用人工智能(AI)从MRI生成合成蛋氨酸PET图像。
近日，发表在Radiology杂志上的一篇研究通过基于人工智能(AI)的图像转换模型，从增强(CE) MRI生成合成蛋氨酸PET图像，并将其与PET在胶质瘤分级和预后方面的表现进行了比较。
本项研究开发了一种基于人工智能的模型，从CE MRI生成合成蛋氨酸PET图像，并对2007年1月至2018年12月在某大学医院接受蛋氨酸PET和CE MRI检查的患者进行了验证(机构数据集)。计算合成PET和真实PET对蛋氨酸摄取和病变体积的最大和平均肿瘤与背景比(分别为TBRmax和TBRmean)的Pearson相关系数。另外两个未使用蛋氨酸PET的术前CE MRI的开源胶质瘤数据库作为外部测试集。使用TBR，评估分级高级别和低级别胶质瘤的受者工作特征曲线下面积(AUC)和总生存率。
机构数据集包括362例患者(平均年龄49岁±19岁[SD];女性195人，男性167人;培训，n = 294;验证，n = 34;检验，n = 34)。在内部测试集中，TBRmax、TBRmean和病变体积的Pearson相关系数分别为0.68 (95% CI: 0.47, 0.81)、0.76 (95% CI: 0.59, 0.86)和0.92 (95% CI: 0.85, 0.95)。外部测试组包括344例胶质瘤患者(平均年龄53岁±15岁;男性192人，女性152人;高等级，n = 269)。TBRmax的AUC为0.81 (95% CI: 0.75, 0.86)，总体生存分析显示高(2年生存率为27%)和低(2年生存率为71%)之间存在显著差异;P < 0.001)。
图 (A)接受者工作特征曲线显示最大肿瘤与背景比(TBRmax;(红线)，受试者工作特征曲线下面积(AUC [AUC- ROC])为0.81 (95% CI: 0.75, 0.86)。(B)接受者工作特征曲线显示平均肿瘤与背景比(TBRmean;红线)，外部测试集的蛋氨酸摄取，AUC为0.78 (95% CI: 0.73, 0.84)
本项研究表明，基于人工智能模型生成的合成蛋氨酸PET图像与真实PET图像具有很强的相关性，在胶质瘤分级和预后方面表现良好。
原文出处：
Hirotaka Takita,Toshimasa Matsumoto,Hiroyuki Tatekawa,et al.AI-based Virtual Synthesis of Methionine PET from Contrast-enhanced MRI: Development and External Validation Study.DOI:10.1148/radiol.223016
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#PET# #人工智能#
9