
-
生物通官微
陪你抓住生命科技
跳动的脉搏
[18F] PSMA-3Q PET/CT放射组学分析(采用45% SUVmax阈值):用于预测术后ISUP分级≥4以及前列腺癌的前列腺外扩散情况,以实现非侵入性的治疗分层管理
《Cancer Imaging》:[18F] PSMA-3Q PET/CT radiomics at 45% SUVmax threshold: predicting post-surgical ISUP grade?≥?4 and extraprostatic extension for noninvasive stratification in prostate cancer management
【字体: 大 中 小 】 时间:2026年06月07日 来源:Cancer Imaging 3.5
编辑推荐:
摘要 目的 系统评估从[18F] PSMA-3Q PET/CT中提取的放射组学特征,使用40%、45%和50%的SUVmax阈值,探讨这些特征预测前列腺癌术后国际泌尿病理学会(psISUP)分级和前列腺外扩展(EPE)的能力,并最终开发出一个基于阈值的
系统评估从[18F] PSMA-3Q PET/CT中提取的放射组学特征,使用40%、45%和50%的SUVmax阈值,探讨这些特征预测前列腺癌术后国际泌尿病理学会(psISUP)分级和前列腺外扩展(EPE)的能力,并最终开发出一个基于阈值的最佳预测模型。
这项回顾性研究包括了243名在根治性前列腺切除术前接受[18F] PSMA-3Q PET/CT检查的前列腺癌患者。患者按时间顺序分为训练组(n=190)和测试组(n=53),并根据前列腺特异性抗原密度(PSAD < 0.25 vs. ≥ 0.25 ng/mL)进行分层。使用40%、45%和50%的SUVmax阈值提取放射组学特征。开发了九种机器学习算法,构建了整合PET/CT放射组学与临床信息的模型(PC40、PC45、PC50)以及仅基于PET放射组学的模型(P40、P45、P50)。通过曲线下面积(AUC)、敏感性、特异性、阳性预测值和阴性预测值来评估模型性能。
在基于40%、45%和50% SUVmax阈值构建的模型中,PC45模型(PET/CT放射组学数据 + 临床参数)的表现最佳。对于预测psISUP分级≥4的情况,其测试集的AUC达到0.917(95%置信区间:0.828–0.985),敏感性为0.800,特异性为0.921。在预测EPE方面,测试集的AUC为0.772(95%置信区间:0.633–0.883),敏感性为0.700,特异性为0.727。该模型在不同PSAD亚组中表现稳定,并具有较高的临床效益。
使用45% SUVmax阈值的[18F] PSMA-3Q PET/CT放射组学模型可能有助于相对准确地无创预测psISUP分级和EPE。这些发现表明其作为精准前列腺癌管理术前工具的潜在价值,并提供了初步证据,证明其作为无创决策辅助工具的稳定性和平衡性能,但需要在更大规模的队列中进行进一步验证。
系统评估从[18F] PSMA-3Q PET/CT中提取的放射组学特征,使用40%、45%和50%的SUVmax阈值,探讨这些特征预测前列腺癌术后国际泌尿病理学会(psISUP)分级和前列腺外扩展(EPE)的能力,并最终开发出一个基于阈值的最佳预测模型。
这项回顾性研究包括了243名在根治性前列腺切除术前接受[18F] PSMA-3Q PET/CT检查的前列腺癌患者。患者按时间顺序分为训练组(n=190)和测试组(n=53),并根据前列腺特异性抗原密度(PSAD < 0.25 vs. ≥ 0.25 ng/mL)进行分层。使用40%、45%和50%的SUVmax阈值提取放射组学特征。开发了九种机器学习算法,构建了整合PET/CT放射组学与临床信息的模型(PC40、PC45、PC50)以及仅基于PET放射组学的模型(P40、P45、P50)。通过曲线下面积(AUC)、敏感性、特异性、阳性预测值和阴性预测值来评估模型性能。
在基于40%、45%和50% SUVmax阈值构建的模型中,PC45模型(PET/CT放射组学数据 + 临床参数)的表现最佳。对于预测psISUP分级≥4的情况,其测试集的AUC达到0.917(95%置信区间:0.828–0.985),敏感性为0.800,特异性为0.921。在预测EPE方面,测试集的AUC为0.772(95%置信区间:0.633–0.883),敏感性为0.700,特异性为0.727。该模型在不同PSAD亚组中表现稳定,并具有较高的临床效益。
使用45% SUVmax阈值的[18F] PSMA-3Q PET/CT放射组学模型可能有助于相对准确地无创预测psISUP分级和EPE。这些发现表明其作为精准前列腺癌管理术前工具的潜在价值,并提供了初步证据,证明其作为无创决策辅助工具的稳定性和平衡性能,但需要在更大规模的队列中进行进一步验证。