...| 基于PSMA PET/CT 机器学习模型诊断前列腺癌的病理风险

发布网友发布时间：2024-10-12 11:38

共1个回答

热心网友时间：2024-10-15 06:35

《表型组学》在线发表了一篇题为“Performance of 18F-DCFPyL PET/CT in primary prostate cancer diagnosis, Gleason grading and D'Amico classification: A radiomics-based study”的研究论文。该研究通过基于18F-DCFPyL正电子发射断层扫描/计算机断层扫描（PET/CT）影像组学而建立的机器学习模型，能够实现在无创条件下，有效预测前列腺病变的良性与恶性、前列腺癌的病理学高分级（Gleason评分＞7）和前列腺癌的高风险（高D’Amico评分）。

该研究纳入了138例接受18F-DCFPyL PET/CT显像的可疑前列腺癌患者，涵盖良性增生、良性炎症，恶性肿瘤三类。通过在PET/CT图像上勾画前列腺原发病变，提取肿瘤到背景的肿瘤一般和高阶纹理特征。使用三层机器学习方法来识别相关的体内特征和患者特征及其预测高危恶性疾病的相对权重。所建立的模型在蒙特卡洛交叉验证方案中进行了验证。该研究成功证明了18F-DCFPyL PET/CT影像组学在无需活检取样的情况下区分前列腺良恶性肿瘤和高危肿瘤的临床潜力。

该模型对于前列腺病人的全过程临床管理，尤其是基线时期的病人管理具有重大意义，能够精准指导临床治疗方案的制定，避免无效穿刺给患者带来的身体和经济上双重负担。另外，18F-DCFPyL（PSMA） PET-CT作为一次检查，全身显像的有效手段，能够在就诊的早期阶段对病人进行精确地临床分期，从而对手术、ADT、化疗、RLC等多种治疗方式进行精准、有效选择。

本研究提出了一种新的概念，即在免机体损伤的前提下，通过机器学习的方法对前列腺初诊患者做出统一标准的正确诊断和风险预估。该研究的研究方法科学前沿，逻辑严谨，系统性强，临床应用简便易行，易于在全世界范围内推广。