结节病是一种良性的多系统疾病,其特征是肺、肝脏和淋巴系统等多个器官中存在非级联肉芽肿。恶性淋巴瘤(ML)是一组恶性肿瘤,以结节病样淋巴结病和结外受累为表现。结节病和ML之间的区别是至关重要的,因为结节病是通过临床随访或免疫抑制疗法来治疗的,而ML,尤其是侵袭性型,则采用化疗和放射治疗。
[18F]FDG PET/CT是一种诊断成像技术,可用于评估癌症和炎症性疾病的活动。卷积神经网络 (CNN) 是一种深度学习编码,由多个卷积和池化层组成,可以从输入图像中自动提取特征图。在以前的一项研究中,使用CNN的全身模型FDG摄取模式可用于ML和结节病患者的分类,与核医学专家相比具有更高的准确性。然而据我们所知,很少有发表的报告比较FDG在结节病和ML摄取部位的差别。
近日,发表在European Radiology杂志上的一篇研究比较了未经治疗的结节病和恶性淋巴瘤(ML)的FDG PET/CT表现之间的差异,并利用最大强度投影(MIP) [18F]FDG PET图像建立卷积神经网络(CNN)模型对这两种疾病进行准确诊断。
本项研究回顾性收集了新诊断为结节病和ML的连续患者的资料,并在治疗前进行[18F]FDG PET/CT检查。由两名核放射科医生检查了这些图像。使用MIP PET图像创建CNN模型,并使用k-fold交叉验证进行评估。使用梯度加权类激活映射(Grad-CAM)可视化感兴趣点。
研究共纳入56例结节病和62例ML。结节病患者FDG在纵隔淋巴结和肺部病变中积聚更为突出,而ML患者FDG在颈部淋巴结中积聚更为突出(p < 0.001)。对于纵隔淋巴结,结节病患者在第2、4、7、10级淋巴结有显著的FDG积累(均p < 0.01)。否则,ML患者的积累倾向于1级淋巴结(p = 0.08)。使用正面和侧面MIP图像的CNN模型平均准确率为0.890 (95% CI: 0.804-0.977),灵敏度为0.898 (95% CI: 0.782-1.000),特异性为0.907 (95% CI: 0.799-1.000),曲线下面积为0.963 (95% CI: 0.899-1.000)。Grad-CAM显示,该模型集中于FDG异常积聚的部位。
图 MIP的代表性示例。a结节病的正面MIP图像,b结节病的侧面MIP图像,c恶性淋巴瘤的正面MIP图像,d恶性淋巴瘤的侧位MIP图像
本项研究表明,基于FDG积累部位差异的CNN模型在结节病和ML的鉴别中表现优异,可用于诊断累及器官和淋巴结的相关疾病。
原文出处:
Hikaru Aoki,Yasunari Miyazaki,Tatsuhiko Anzai,et al.Deep convolutional neural network for differentiating between sarcoidosis and lymphoma based on [18F]FDG maximum-intensity projection images.DOI:10.1007/s00330-023-09937-x
Nature:淋巴瘤中CARD11-PIK3R3突变,让CAR-T细胞抗癌能力提高百倍
0 2024-03-08 点击查看
European Radiology:[18F]FDG PET/MRI在儿童淋巴瘤中的应用
0 2024-03-16 点击查看
淋巴瘤国际预后指数(IPI)
0 2024-03-13 点击查看
European Radiology:MRI弥散加权成像和[18F]FDG PET/MRI在小儿霍奇金淋巴瘤和非霍奇金淋巴瘤治疗监测中的比较
0 2024-03-15 点击查看
【Blood Adv】通过免疫表型监测CAR-T扩增,揭示不同淋巴瘤的扩增与毒性
0 2024-03-27 点击查看
2年无进展生存率超70%!《柳叶刀》子刊:CD30 CAR-T,淋巴瘤治疗新希望
0 2024-04-15 点击查看