An External, Independent Validation of an O -(2-[ 18 F]Fluoroethyl)-l-Tyrosine PET Automatic Segmentation Network on a Single-Center, Prospective Dataset of Patients with Glioblastoma.
研究背景
胶质母细胞瘤是高度恶性脑肿瘤，患者预后差。传统MRI诊断、治疗评估特异性低，[18F]FET PET可作补充成像。但[18F]FET PET的生物肿瘤体积（BTV）界定复杂，医生间差异大。本研究验证外部、独立的[18F]FET PET自动分割网络在胶质母细胞瘤患者中的应用效果。
方法速览
纳入24例患者，进行52次[18F]FET PET扫描。由核医学专家和自动分割网络分别界定BTV，用Pearson相关、Bland - Altman分析评估定量参数一致性，用空间和距离指标评估分割重叠情况。
主要发现
- 高度相关性：自动分割网络与医生评估的BTV和TBRmean相关性极高，能有效识别和量化肿瘤体积。
- 体积低估：自动分割网络对BTV有低估现象，放疗后影像更明显，可能影响放疗计划和治疗反应评估。
- 错误分割：2例额叶病变患者中，自动分割网络错误分割横窦生理摄取，影响临床决策。
- 重复性好：自动分割网络在重复测试中表现更稳定，偏差小。
- 空间重叠佳：自动分割网络与医生评估空间重叠结果良好，空间定位和边界界定高度一致。
- 敏感性差异：放疗前影像中，自动分割网络敏感性显著高于放疗后影像。
总结展望
本研究首次验证外部、独立的[18F]FET PET自动分割网络，展示其应用潜力。但研究存在样本量小、影像重建方法影响等局限，自动分割网络需本地化训练以提高准确性。