基于人工智能的[18 F]PSMA-1007 PET/CT自动分割肾功能评估技术开发与验证

本研究针对前列腺癌患者肾功能评估的临床需求，开发了基于3D U-Net架构的AI模型，实现[18 F]PSMA-1007 PET图像中肾脏自动分割和分肾功能(SRF)计算。结果显示AI模型与人工测量的左肾功能百分比(LRF%)相关性达0.98-0.99，最大差异仅3个百分点，为前列腺癌治疗相关肾功能障碍监测提供了高效新工具。

　　

前列腺特异性膜抗原(PSMA)不仅是前列腺癌诊断的重要靶点，其在肾近端小管的生理性表达更开启了PSMA PET用于肾功能评估的新可能。然而传统手动肾脏分割耗时费力，尤其对于接受放疗或手术的前列腺癌患者——约5%会在治疗后出现尿路梗阻相关肾功能损害，临床亟需自动化解决方案。

瑞典隆德大学医院Kristian Valind团队在《EJNMMI Reports》发表研究，开发了首个基于深度学习的[¹⁸
F]PSMA-1007 PET/CT肾脏自动分割系统。研究创新性地采用3D U-Net架构，通过135例训练数据（含15例特殊病例）和40例测试集验证，证明AI模型与三位核医学医师的SRF测量结果高度一致，为前列腺癌患者肾功能基线评估提供了可靠工具。

关键技术包括：1）使用GE Discovery MI采集的200例[¹⁸
F]PSMA-1007 PET/CT数据（含100例增强CT）；2）基于Q.Clear算法重建图像（β值800）；3）采用加权交叉熵损失和深度监督训练的3D U-Net模型；4）通过最大连通区域后处理优化分割结果；5）采用Dice-Sorensen系数(DSC)和Bland-Altman分析评估性能。

【研究结果】
背景：验证PSMA在肾近端小管的生理表达可作为SRF评估靶点，但手动分割效率低下。
方法：AI模型在160×160像素块上实施数据增强（旋转、噪声添加等），肾脏像素权重设为5以提升灵敏度。
结果：测试集LRF%范围40-67%，AI与人工测量的Spearman相关系数达0.98-0.99，体积分割DSC中位数0.92-0.96。典型案例如图3所示，AI能准确识别正常肾脏，但对单肾病例可能出现假阳性（将淋巴结误判为肾脏）。

讨论：该技术有望整合至前列腺癌初始分期检查中，为后续肾功能监测建立基线。但需注意其局限性：1）训练数据中极端不对称肾功能病例不足；2）不能替代肾小球滤过率(GFR)等整体功能指标；3）对马蹄肾等解剖变异识别欠佳。

结论：这项研究首次证明AI自动测量PSMA PET中SRF的可行性，偏差控制在临床可接受范围（最大-0.4个百分点）。未来通过扩大训练数据集（特别是包含罕见肾脏变异病例），可进一步提升模型鲁棒性，为前列腺癌治疗相关的泌尿系统并发症管理提供重要决策支持。