European Radiology:半自动化分割方法在的难治性脑膜瘤患者放疗中的应用

2024-02-02 shaosai MedSci原创 发表于上海

对于弥漫性脑膜瘤或侵袭性脑膜瘤来说,治疗通常是基于手术和/或放射治疗。然而,一些脑膜瘤病例受限于肿瘤位置或重复手术或全脑照射的风险,因此无法接受这类治疗。

脑膜瘤是最常见的原发性脑肿瘤,约占成人中枢神经系统肿瘤的38%,其发病率与年龄和女性性别有关。对于弥漫性脑膜瘤或侵袭性脑膜瘤来说,治疗通常是基于手术和/或放射治疗。然而,一些脑膜瘤病例受限于肿瘤位置或重复手术或全脑照射的风险因此无法接受治疗。在这种情况下,可供选择的治疗方法非常少,大多数系统性治疗没有显示出足够的疗效,6个月的平均无进展生存率不到30%。

肽受体放射性核素治疗(PRRT)以几乎所有脑膜瘤病变中表达的体液受体(SSTR)为靶点,在难治性脑膜瘤病例的荟萃分析中呈现出良好的效果,6个月的无进展生存率为61%(95%CI,50-72)。目前SSTR靶向PRRT的常规治疗方案包括1-4个周期的7.4GBq的SSTR-放射性配体,主要是177Lu-DOTATATE,没有任何个人调整注射的放射性活动。PRRT的剂量测定旨在在个人层面上调整注入的活性,以潜在地更好地管理治疗效或限制高危器官照射的次生效应。因此,使用治疗前的68Ga-DOTA-TOC正电子发射断层扫描(PET)图像来预测肿瘤吸收的剂量是非常有价值的。以前的一项研究报告称,从治疗前PET与SSTR配体图像中提取的感兴趣体积的最大标准化摄取值(SUVmax)是难治性脑膜瘤PRRT肿瘤吸收剂量的预测指标。然而,SUVmax只能反映肿瘤的一部分。因此有研究在治疗前的PET成像上进一步提出了一种经组织学证明的半自动的2.3 SUV绝对阈值分割以确定脑膜瘤的分割体积。然而,基于绝对SUV阈值的分割有很多潜在问题,而且在PET系统之间没有可重复性。


近日,发表在European Radiology杂志上的一篇研究提出了一种半自动化的分割方法用于治疗前使用68Ga-DOTATOC PET确定难治性脑膜瘤的代谢肿瘤的体积,并评估了平均标准化摄取值(SUVmean)的衍生值作为SSTR靶向PRRT后肿瘤吸收剂量的预测作用及价值。

本项研究对20名患者的39个脑膜瘤病灶进行了分析。PET和SPECT容积(VolGT-PET和VolGT-SPECT)是由五位经验丰富的核医学家通过手动分割计算出来的。从VolGT-PET和半自动PET容积中提取SUV相关指数,在几种方法中,VolGT-PET提供了最佳的Dice指数(Volopt): SUV绝对值(2.3)阈值、适应性方法(Jentzen、Otsu、基于对比度的方法)、先进的梯度技术以及多种相对阈值(肿瘤SUVmax的%、皮下SUVmean和脑膜SUVpeak),并优化了最佳阈值。肿瘤吸收剂量来自VolGT-SPECT,并对部分体积效应进行了校正,在使用177Lu-DOTATATE后24、96和168小时在360°全身CZT相机上进行。

Volopt是由1.7倍的脑膜SUV峰值(Dice指数0.85±0.07)得到的。用VolGT(各自的皮尔逊相关系数为0.78、0.67和0.56)或Volopt(0.64、0.66和0.56)测定时,SUVmean和病灶总摄取量(SUVmeanxlesion volume)与肿瘤吸收剂量的相关性比SUVmax更好。


 
 VolGT-PET(A)和Volopt-PET(B)的治疗前.68Ga-DOTATOC PET图像的肿瘤吸收剂量和SUV衍生指数之间的相关性

本项研究表明,准确定义治疗前的PET体积具有重要的临床价值;其中,SUV平均值为177Lu-DOTATATE治疗难治性脑膜瘤患者提供了最佳的肿瘤吸收剂量预测。同时,本研究提供了一种半自动的治疗前68Ga-DOTATOC PET容积的分割方法以实现医生之间良好的可重复性测量及评估。

原文出处:

Caroline Boursier,Timothée Zaragori,Marie Bros,et al.Semi-automated segmentation methods of SSTR PET for dosimetry prediction in refractory meningioma patients treated by SSTR-targeted peptide receptor radionuclide therapy.DOI:10.1007/s00330-023-09697-8

版权声明:
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
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2185379, encodeId=894921853e989, content=<a href='/topic/show?id=a55385062c7' target=_blank style='color:#2F92EE;'>#脑膜瘤#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=26, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=85062, encryptionId=a55385062c7, topicName=脑膜瘤)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Fri Feb 02 09:46:26 CST 2024, time=2024-02-02, status=1, ipAttribution=上海)]
    2024-02-02 梅斯管理员 来自上海

相关资讯

王国良教授:脑膜瘤病例治疗

本期病例分享栏目特邀广东三九脑科医院王国良教授分享脑膜瘤治疗病例,以供交流。

难切干净、极易复发?这些疑难位置脑膜瘤看巴教授如何成功攻克!

脑膜瘤作为良性肿瘤,成功且最大程度地安全手术切除能使患者得到更长的生存期和更好的预后。

哪几类脑膜瘤手术难、风险大?手术方案及案例解析

由于这些脑膜瘤位置深,风险高,手术可操作空间狭窄,容易切除不干净,损伤神经及脑干,引起瘫痪等后遗症。因此,建议患者寻找有成功手术经验的医生做肿瘤切除手术,争取更好的预后效果。

Nat Commun:基于特异性DNA甲基化特征的机器学习模型实现脑膜瘤的准确诊断和复发预测

该研究结果为采用抽血等非侵入性方法实施脑膜瘤术前检测和评估其复发风险预测奠定了基础,将对脑膜瘤患者的治疗和预后产生深远影响。

ACTA NEUROPATHOLOGICA:脑膜瘤的T细胞抗原图谱

本文提供了一个脑膜瘤T细胞抗原地图集,该地图集将公开供进一步研究。此外,本文确定了新的可操作目标,值得进一步研究,作为脑膜瘤的免疫治疗选择。

你的脑膜瘤切除干净了吗?什么是Simpson分级?手术切除率和复发什么关系?

那现国际通行的Simpson分级上世纪是如何被提出来的?应用到现代神经外科仍然有效吗?除了Simpson分级,还有哪些因素会影响脑膜瘤预后情况呢?

科室见面会:专访宣武医院白杰:难治性脑膜瘤的手术及靶向治疗探索

目前,从甲基化或者基因突变或者代谢等,我们逐渐想找出标记性的Marker或者代谢产物,来进行对这些肿瘤生物学行为进行预测与判断。

European Radiology:多参数深度学习实现脑膜瘤无创分级与全自动分割

现阶段,MRI是脑膜瘤诊断和定性、治疗计划和疗效监测的主要影像学方法;然而,由于寻找明显的影像学特征是个挑战,迄今为止,脑膜瘤的影像学分级价值尚未得到充分重视。

为何要追求安全全切?这位脑膜瘤患者术后2年未复发告诉我们什么?

2023年8月,INC德国巴特朗菲教授就为一名CPA区脑膜瘤患者进行了随访。

病例分享|王国良教授:脑膜瘤病例治疗

本期病例分享栏目特邀广东三九脑科医院王国良教授分享脑膜瘤治疗病例,以供交流。