19:00 
Новый подход машинного обучения к лечению метастатического кастрационно-резистентного рака предстательной железы (мКРРПЖ) с помощью простатспецифического мембранного антигена (ПСМА) позволит оценить дозу облучения опухолей и здоровых органов до начала терапии. Используя данные, уже доступные при ПЭТ/КТ-сканировании перед терапией, этот новый инструмент прогнозирования может помочь персонализировать планы лечения, улучшить отбор пациентов и снизить риск токсичности. Это исследование было представлено на ежегодном собрании Общества ядерной медицины и молекулярной визуализации 2026 года.
Дозиметрия имеет решающее значение для оптимизации радиофармацевтической терапии ??Lu-PSMA при мКРРПЖ. В настоящее время для расчета дозиметрии обычно используется визуализация после терапии; однако это требует много времени и ресурсов. ПЭТ/КТ перед терапией дает возможность оценить потенциальную эффективность и риск лечения перед началом терапии.
18F-PSMA ПЭТ/КТ уже регулярно проводится и широко доступна у пациентов с раком простаты, но ее потенциал для прогнозирования дозы лучевой терапии ранее не исследовался. Наше исследование было направлено на то, чтобы определить, может ли информация, уже имеющаяся в результате этих сканирований, помочь в планировании лечения до начала терапии и поддержать более персонализированный уход».
Амит Наутиял, доктор философии, ученый и научный сотрудник Национального института исследований в области здравоохранения и ухода (NIHR) Университетской больницы Саутгемптона и Университета Саутгемптона, Великобритания
В этом исследовании для проверки концепции девять пациентов с мКРРПЖ, направленные на радиофармацевтическую терапию ??Lu-PSMA, были Включено, предоставив для анализа 57 опухолей, 36 слюнных желез и 18 почек. Исследователи разработали модель смешанных эффектов машинного обучения для прогнозирования поглощенных доз в опухолях и органах. Предикторы включали показатели ПЭТ, радиомические характеристики и клинические биомаркеры. Для оценки точности прогнозные оценки сравнивались с дозиметрическими данными, рассчитанными после одного цикла терапии ??Lu-PSMA. Модель машинного обучения 18F-PSMA на основе ПЭТ/КТ перед терапией показала многообещающую способность прогнозировать поглощенную опухолью и органом дозу. Путем объединения характеристик поглощения, радиомики и клинических биомаркеров с учетом вариабельности на уровне пациента, модель демонстрирует потенциал для использования информации до терапии для прогнозирования дозиметрии после терапии.
«Если будет подтверждено в более крупных исследованиях, этот подход может улучшить отбор пациентов и способствовать более эффективному принятию решений во время оценки перед лечением, помогая оптимизировать. ??Лу-ПСМА-терапия для отдельных пациентов. В более широком смысле, это подчеркивает, как визуализация может выйти за рамки диагностики и активно направлять персонализированное лечение», — сказал Наутиял.
Это исследование для проверки концепции является частью запланированной пятилетней программы, направленной на сбор большего количества данных и разработку надежной, проверенной модели. Эта работа поддерживалась Национальным институтом здравоохранения Великобритании (NIHR) в Соединенном Королевстве. Будущая работа будет сосредоточена на более крупных многоцентровых когортах для уточнения прогнозов поглощенной дозы перед терапией и проведения независимой проверки для поддержки стратификации пациентов. для персонализированной радиофармацевтической терапии ??Lu-ПСМА в клинической практике.
