European Radiology：卷积神经网络在弥漫性大B细胞淋巴瘤基线PET-CT中的应用

弥漫性大B细胞淋巴瘤是最常见的非霍奇金淋巴瘤，约占全世界非霍奇金诊断的30-40%。靶向治疗的发展使5年无进展生存率从45%提高到60%，但仍有约30-40%的患者出现复发或难治性疾病。因此，必须确定可靠的、可获得的预后因素以更好地描述高危患者的特征。国际预后指数（IPI），包括最近的国家综合癌症网络-IPI，正在汇集这些预后因素来对患者进行分层。

然而，在这些预后评分中没有考虑到这种类型的淋巴瘤的生物异质性。分子生物学或免疫组织化学不仅可以帮助确定与肿瘤有关的遗传因素，还可以确定其细胞来源。这些工具使靶向治疗得以发展，在个性化医疗中至关重要，但它们只反映了广泛的肿瘤模式，没有提供肿瘤复合体的特征。

现阶段，[18F]FDG PET-CT在核医学中被广泛用于弥漫性大B细胞淋巴瘤患者的基线扩展评估，是分期和反应评估的最佳工具并可确定Ann-Arbor分期。临床上，一对新的参数也被应用于通过[18F]FDG PET来判别高危患者：总代谢肿瘤体积（TMTV）和总病变糖酵解（TLG）。TMTV是所有肿瘤体积的总和，因此反映了肿瘤负荷。TMTV已经在一些研究中显示出预后能力，特别是在根据IPI评分及其衍生物对高危患者进行分层。这些研究中使用的方法通常是基于核医学家使用外部软件对肿瘤区域的手动或半自动划定，需要大量的处理时间来获得结果。

由于缺乏标准化的方法和普遍接受的诊断阈值以及获得结果所需的时间，在临床常规中使用这些参数仍然很困难。为了解决这些问题，研究人员和制造商已经引入了人工智能（AI）工具来加快处理速度。这些工具的一个示例是卷积神经网络（CNN），最近被开发出来用于自动检测病变并获得其TMTV和TLG。

近日，发表在European Radiology杂志的一项研究评估了新版病变检测软件syngo.via®(Siemens Healthineers®)中实施的用于TMTV和TLG测量的人工智能，并验证了相关的观察者之间和仪器之间的差异性以及日常工作流程中的时间节省，为该技术的进一步广泛应用提供了支持。

本项研究利用该软件获得了TMTV和TLG，两位核医学家应用五种方法对51名患者的数据进行了回顾性分析。方法1和2是全自动的，分别排除了≤0.5mL和≤0.1mL的病变。方法3和4是全自动的，由医生审核。方法5是半自动的，作为参考。每种方法都记录了完成测量所需的时间和点击次数，并通过类内系数（ICC）和Bland-Altman图来评估仪器间和观察者间的差异。 

在方法3和方法5之间，对于主要用户，TMTV的ICC为0.99，TLG为1.0。在应用方法3的两个用户之间，TMTV的ICC为0.97，TLG为0.99。方法1的平均处理时间（±标准差）为20秒±9.0，方法3为178秒±125.7，方法5为326秒±188.6（P < 0.05）。

图 说明Bland-Altman图中协议极限以下的两个差异。A, B 患者有弥漫性肝脏肿瘤浸润，这就解释了为什么使用PERCIST池血检测阈值（B）可以正确分类肿瘤病变，而使用PERCIST肝脏检测阈值（A）则不能。C 患者有一个独特的颈部肿瘤肿块，被AI错误地排除。该病变靠近大脑和Waldeyer环，也许空间分辨率较低（在上一代PET-CT上采集），可以解释这种排除

本项研究表明，西门子Healhineers®人工智能增强型病变检测软件syngo.via®是一种自动化的、可靠的、性能稳定的工具，可以在临床常规中获得TMTV和TLG。该技术的使用在核医学家的控制下节省了时间，其中每次治疗可节省6分钟，使其成为临床常规和研究的应用。

原文出处：

Mourtaza Karimdjee,Gauthier Delaby,Damien Huglo,et al.Evaluation of a convolution neural network for baseline total tumor metabolic volume on [18F]FDG PET in diffuse large B cell lymphoma.DOI:10.1007/s00330-022-09375-1