Lenfoma hastalarında [18F] florodeoksiglukoz-PET-BT sınıflandırması için derin öğrenme: çift merkezli retrospektif bir analiz
Arka plan
Artan küresel kanser yükü, [18F]florodeoksiglukoz ([18F]FDG)-PET-CT gibi görüntüleme testlerine olan talebin artmasına neden olmuştur. Görüntüleme uzmanlarının yüksek tarama hacimleriyle başa çıkmalarına yardımcı olmak amacıyla, hipermetabolik tümör bölgeleri olan veya olmayan lenfomalı hastaların [18F]FDG-PET-BT taramalarını sınıflandırmak için derin öğrenen bir yapay zeka algoritması eğitmeyi amaçladık.
Yöntemler
Bu retrospektif analizde, Memorial Sloa Kettering Kanser Merkezi, New York, NY, ABD’de tedavi öncesi veya sonrasında PET-BT çekilen 5072 lenfoma hastasının 16.583 [18F]FDG-PET-BT’sini topladık.
Maksimum yoğunluk projeksiyonu (MYP), üç boyutlu (3D) PET ve 3D BT verileri kullanılarak, [18F]FDG-PET-BT ikili sınıflandırması (Deauville 1-3 vs 4-5) için ResNet34 tabanlı derin öğrenme modelimiz (Lymphoma Artificial Reader System [LARS]), veri kümesinin %80’i üzerinde eğitilmiş ve bu veri kümesinin %20’si üzerinde test edilmiştir.
Harici test için, ikinci bir merkezden (Viyana Tıp Üniversitesi, Viyana, Avusturya) 1000 [18F]FDG-PET-BT elde edilmiştir.
MYP tabanlı LARS-avg (doğruluk için optimize edilmiş) ve LARS-max (hassasiyet için optimize edilmiş) ve 3D PET-BT tabanlı LARS-ptct dahil olmak üzere yedi model varyantı değerlendirilmiştir. Uzman küratörlüğünün ardından eğri altındaki alanlar (AUC’ler), doğruluklar, hassasiyetler ve özgüllükler hesaplanmıştır.
Bulgular
Dahili test kohortunda (3325 PET-BT, 1012 hasta), LARS-avg 0-949 (%95 CI 0-942-0-956) AUC, 0-890 (0-879-0-901) doğruluk, 0-868 (0-851-0-885) duyarlılık ve 0-913 (0-899-0-925) özgüllük elde etmiştir; LARS-max 0-949 (0-942-0-956) AUC, 0-868 (0-858-0-879) doğruluk, 0-909 (0-896-0-924) duyarlılık ve 0-826 (0-808-0-843) özgüllük elde etmiştir; ve LARS-ptct 0-939 (0-930-0-948) AUC, 0-875 (0-864-0-887) doğruluk, 0-836 (0-817-0-855) duyarlılık ve 0-915 (0-901-0-927) özgüllük elde etmiştir.
Harici test kohortunda (1000 PET-BT, 503 hasta), LARS-avg 0-953 (0-938-0-966) AUC, 0-907 (0-888-0-925) doğruluk, 0-874 (0-843-0-904) duyarlılık ve 0-949 (0-921-0-960) özgüllük elde etmiştir; LARS-max 0-952 (0-937-0-965) AUC, 0-898 (0-878-0-916) doğruluk, 0-899 (0-871-0-926) duyarlılık ve 0-897 (0-871-0-922) özgüllük elde etmiştir; ve LARS-ptct 0-932 (0-915-0-948) AUC, 0-870 (0-850-0-891) doğruluk, 0-827 (0-793-0-863) duyarlılık ve 0-913 (0-889-0-937) özgüllük elde etmiştir.
Yorumlama
Derin öğrenme, hipermetabolik tümör bölgeleri olan ve olmayan lenfoma hastalarının [18F] FDG-PET-BT taramalarını doğru bir şekilde ayırt eder. Bu nedenle derin öğrenme, bu tür hastalarda metabolik olarak aktif hastalığın varlığını ekarte etmek için potansiyel olarak yararlı olabilir veya ikinci bir okuyucu veya karar destek aracı olarak hizmet edebilir.
yorumlar