原題
Machine Learning-Based Dose Prediction in [(177)Lu]Lu-PSMA-617 Therapy by Integrating Biomarkers and Radiomic Features from [(68)Ga]Ga-PSMA-11 PET/CT.
背景:本研究は、[Lu]Lu-PSMA-617による放射性リガンド療法を受けている転移性去勢抵抗性前立腺癌患者の腎臓および腫瘍における吸収線量(AD)を予測するための機械学習モデルの開発に焦点を当てた。
方法:20人のmCRPC患者は、Lu-PSMA治療を受ける前に[Ga]Ga-PSMA-11 PET検査/CTスキャンを受けた。線量測定には、時間積分活量係数を計算するためのシンチグラフィおよびSPECT/CT画像が含まれた。機械学習モデルは、放射線学的特徴および臨床バイオマーカーを用いて訓練され、吸収線量はモンテカルロシミュレーションによって計算された。
結果:最もパフォーマンスの高いモデルは、腎臓ADsのエクストラツリーリグレッサー(RMSE 0.11 Gy/GBq、R²0.87)および病変ADsの勾配ブースティングリグレッサー(RMSE 1.04 Gy/GBq、R²0.77)であった。
結論:放射線学的特徴と臨床バイオマーカーを組み合わせることにより、放射性リガンド療法における吸収線量予測を強化することができるが、さらなる検証が必要である。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2025.05.014
PMID: 40393564
コメント