هدف این مطالعه توسعه و ارزیابی یک ابزار کاملاً خودکار مبتنی بر هوش مصنوعی برای تشخیص و تقسیم‌بندی ضایعات mPCa در اسکن‌های Ga-PSMA-11 PET[68Ga] بود.
در این مطالعه 412 بیمار از سه مرکز مختلف با تمام مشخصه‌های سرطان پروستات که اسکن [68Ga]Ga-PSMA-11 PET/CT انجام داده بودند، شرکت کردند. دویست مورد از مجموعه داده مرکز 1 برای آموزش مدل هوش مصنوعی استفاده شدند. همچنین بخشی از مجموعه تصاویر مرکز 1 به همراه تصاویر مرکز 2 و 3 برای آزمایش این مدل استفاده شدند. عملکرد مدل توسعه داده شده در سه سطح شامل: طبقه‌بندی تصاویر، تشخیص ضایعه و تقسیم‌بندی نواحی مربوط به ضایعه، ارزیابی شد.
مدل یادگیری عمیق ارائه شده در این مطالعه، راهکارهای امید بخشی را برای تقسیم‌بندی خودکار ضایعات مخرب در بیماران سرطان پروستات با استفاده از [68Ga]Ga-PSMA PET ارائه می‌دهد. این مدل به دقت بالایی در تقسیم‌بندی و تشخیص دست یافته است. نتایج حاصل این پژوهش می‌تواند برای ارزیابی پاسخ به درمان و مطالعات رادیومیک مورد استفاده قرار گیرد.
لینک دسترسی به مقاله:
https://link.springer.com/article/10.1007/s00259-023-06555-z#article-info
نویسندگان:
Esmail Jafari, Amin Zarei, Habibollah Dadgar, Ahmad Keshavarz, Reyhaneh Manafi-Farid, Habib Rostami, Majid Assadi