《PET Clinics》：Artificial Intelligence for Simplified Patient-centered Dosimetry in Radiopharmaceutical Therapies
编辑推荐：
放射治疗剂量计算中的人工智能应用研究综述。AI可简化SPECT扫描流程、替代蒙特卡洛模拟、提升病灶分割精度，并整合患者预疗信息优化剂量预测。临床需确保影像数据质量、人工审核结果及不确定性量化。
亚历杭德罗·洛佩兹·蒙特斯（Alejandro Lopez Montes）|费雷什特赫·尤塞菲里兹（Fereshteh Yousefirizi）|陈一舟（Yizhou Chen）|亚兹丹·萨利米（Yazdan Salimi）|罗伯特·塞弗特（Robert Seifert）|阿里·阿夫沙尔-奥罗米耶（Ali Afshar-Oromieh）|卡洛斯·乌里韦（Carlos Uribe）|阿克塞尔·罗明格（Axel Rominger）|哈比布·扎伊迪（Habib Zaidi）|阿尔曼·拉希米（Arman Rahmim）|史光宇（Kuangyu Shi）
伯尔尼大学医院Inselspital核医学系，瑞士伯尔尼，Rosenbühlgasse 25，CH-3010
章节摘要
关键点
- •
放射性药物疗法（RPT）的快速发展凸显了个性化及以患者为中心的剂量计算的迫切需求。
- •
人工智能（AI）为当前剂量计算中的关键局限性提供了解决方案。
- •
本文综述了AI在简化剂量计算方面的主要进展，以实现更适用于患者的RPT。
- •
讨论了AI在RPT剂量计算中的未来发展方向。
缩写说明
| 2D | 二维 |
| 3D | 三维 |
| AI | 人工智能 |
| CNN | 卷积神经网络 |
| DL | 深度学习 |
患者友好型剂量计算的临床意义
基于患者个体特征的剂量计算能够根据患者的体型、肿瘤范围和/或风险状况来制定治疗方案。1, 8, 31 优化肿瘤剂量通常意味着调整给药剂量并确定治疗周期数，以最大限度地控制病灶的同时减少对健康器官的辐射暴露。27 这一原则同样适用于良性甲状腺疾病，其中131I的给药剂量取决于甲状腺的功能状态、肿瘤的大小和摄取情况。
放射性药物疗法中的剂量计算
RPT中的剂量计算主要依据核医学学会（Society of Nuclear Medicine）和国际放射防护委员会（ICRP）制定的标准。29, 43 目标区域的吸收剂量可以通过两个步骤估算：
- 1. 估算治疗过程中源区域的积分时间活性（TIA）。
- 2. 使用S值（剂量转换因子）将TIA转换为吸收剂量。
缩短成像流程
由于成像流程较长，SPECT检查费用较高；全身SPECT检查通常需要在大约40到60分钟内完成多个体位测量。60 这给患者带来了负担，增加了每次就诊的次数。因此，AI在剂量计算中的应用有望通过缩短扫描时间来减轻这一负担61——方法包括（1）减少每次投影的计数次数（缩短停留时间），或（2）通过稀疏视图SPECT技术减少投影次数（见图5）。
人工智能在简化剂量计算中的应用
AI策略可以替代基于蒙特卡洛（MC）方法的剂量转换过程，从而减轻MC模拟器的时间和计算负担51, 83，并克服表格化S值或核函数近似方法的不现实假设44。通过训练，机器学习和深度学习（ML和DL）模型可以从MC数据中重现类似的结果84, 85, 86, 87, 88。例如，Scarinci及其同事88利用AI技术重现了核函数计算得出的剂量结果；Akhavanallaf及其同事85则结合了组织的密度信息进行剂量计算。
人工智能在病灶分割中的应用
图像分割是AI最常见且应用最成功的领域之一101, 102。对于RPT中的精确剂量计算，器官分割至关重要。已有多种深度学习算法被应用于CT103, 104或PET/CT105, 106中的器官分割。然而，病灶分割更具挑战性，因为它们的形状、大小和位置各不相同。在RPT中准确分割病灶有助于提取具有临床意义的生物标志物并测量肿瘤负荷。
利用患者术前信息简化剂量计算
AI方法通过整合术前患者信息而显著提升效率。特别是基于计算的患者特定模型，这些模型结合了基线影像数据、临床/实验室信息以及之前的剂量计算结果，用于模拟治疗反应，是治疗诊断领域的一项重要进展。在本节中，我们将探讨这些先验信息如何（1）改善成像质量和量化精度（例如基于先验信息的重建/去噪），（2）优化分割效果。
总结
目前，针对RPT中病灶和器官受照剂量（OARs）变化的患者特定剂量计算具有临床必要性。传统的剂量计算方法往往耗时且计算复杂，限制了个性化剂量的实际应用。AI技术可以通过简化SPECT成像流程或减少所需的时间点观测次数来辅助剂量计算。
- •
高质量、标准化的影像数据是实现可靠AI辅助剂量计算的基础。确保模型准确性的关键在于关注采集流程、校准和运动控制。
- •
人工审核是必不可少的。自动化分割结果或剂量图必须由合格的临床医生或物理学家审核批准后才能用于治疗决策。
- •
在AI输出中加入不确定性评估可以提高临床信任度和安全性。
