编辑推荐：
在肝癌选择性内放射治疗（SIRT）前，需测定肺分流分数（LSF）以避免肺部受过量辐射。研究人员基于机器学习 3D 分割技术，在 TriDFusion（3DF）中开展肺分流分数计算方法的研究。结果显示，3DF 方法比平面 2D 图像估算更精准，有助于优化治疗规划和患者管理。
在肝癌的治疗领域，选择性内放射治疗（SIRT）凭借钇 - 90（
90Y）微球成为治疗肝恶性肿瘤的关键手段。然而，在实施 SIRT 前，准确评估肺分流分数（LSF）至关重要，它能有效降低放射性肺炎的发生风险。目前，LSF 的评估主要依赖平面成像技术，这种传统方法不仅耗时，还容易受到技术人员主观因素的影响，导致结果不够准确。为了克服这些问题，提升 SIRT 治疗规划的准确性和效率，美国纪念斯隆凯特琳癌症中心（Memorial Sloan Kettering Cancer Center）的研究人员开展了一项极具创新性的研究。
研究人员提出了一种基于机器学习 3D 分割的半自动计算方法，该方法在 TriDFusion（3DF）软件中得以实现。研究结果表明，使用 TriDFusion（3DF）分析 SPECT-CT 采集数据半自动测定的 LSF，与模型确定的比率测量值（真实值）误差在 4 - 12% 之间，相比之下，二维平面图像测定的 LSF 比 SPECT-CT 数据测定的结果平均高出 21 - 70%。这一成果意味着基于 TriDFusion（3DF）的人工智能 3D 肺分流技术，能更精准地量化 LSF，为临床医生提供了更高效、可靠的治疗规划和患者管理工具，对提升肝癌治疗效果具有重要意义。该研究成果发表在《EJNMMI Physics》上。
研究人员运用了多种关键技术方法。首先，借助开源的 TotalSegmentor 工具，基于 nnU-Net 算法对 CT 扫描中的肝脏和肺部进行自动分割。接着，将 SPECT 衰减校正图像与 CT 图像融合，并依据 CT 分割掩模在 SPECT 图像上生成感兴趣体积（VOI）区域。此外，通过像素增强策略校正呼吸运动伪影，确保 SPECT 数据强度包含在分割 CT 的器官 VOI 内。最后，利用 3D 打印技术构建人体肝脏 - 肺模型，模拟真实患者情况进行验证。研究数据来源于 150 例在90Y 放射栓塞治疗前进行 99mTc - 大颗粒聚合白蛋白（99mTc - MAA）扫描的患者。
研究结果主要分为以下几个部分：
- 模型实验结果：通过构建填充不同物质模拟人体组织的 3D 打印模型，并进行多种图像采集和重建方式。结果发现，SPECT 图像重建时应用衰减校正（AC）、分辨率恢复（RR）和散射校正（SC）等校正方法，会显著改变重建的总计数，其中 AC 影响最大。但 LSF 作为比率，对各种重建校正具有一定稳健性。基于 2D 平面采集数据测定的 LSF 与实际已知 LSF 偏差较大，在 + 70.51% - +101.65% 之间；而基于 TriDFusion（3DF）分析重建的 SPECT-CT 数据测定的 LSF 准确性更高，不同重建假设下测量误差在一定范围内波动 。
- 患者数据对比结果：研究人员对 150 例患者进行研究，对比基于平面和 SPECT-CT 成像计算的 LSF。结果显示，平面扫描 ROI 分析确定的 LSF 系统地高于 SPECT-CT 采集的 TriDFusion（3DF） LSF，两者平均百分比差异为 57%。同时，计算平面 LSF 和 TriDFusion LSF 的四分位数间距（IQR），发现平面 LSF 的 IQR 为 4.50，TriDFusion LSF 的 IQR 为 2.35，表明 TriDFusion LSF 数据分布更集中，测量更稳定。
研究结论和讨论部分指出，当前平面图像 LSF 估计存在明显高估问题，这可能导致不必要的剂量减少甚至取消90Y 放射栓塞治疗。而基于 TriDFusion（3DF）的 AI 3D 肺分流技术，能准确识别和分析肺分流，通过整合先进的机器学习分割和呼吸运动补偿技术，提高了自动化程度和效率，减少了分析时间，增强了结果的可重复性。这不仅优化了临床工作流程，还提高了 LSF 分析的准确性和一致性，为介入放射学和核医学领域的临床实践带来了新的突破，有望推动肝癌治疗的进一步发展，提升患者的治疗效果和生活质量。
