EVERYTHING
За даними Medicalxpress, дослідники представили новий машинний метод навчання, який має значний потенціал у сфері онкологічної радіотерапії. Радіофармацевтична терапія ¹⁷⁷Lu-PSMA є ключовим методом лікування метастатичного castration-resistant prostate cancer (mCRPC), але її ефективність залежить від точного розрахунку дози, що надходить як пухлинам, так і здоровим органам. Наразі цей розрахунок проводиться після завершення терапевтичного циклу, що є тривалим та ресурсомістким процесом.
Використання пре-терапевтичних даних для дозиметрії
Існує можливість оцінити потенційну ефективність лікування та ризики ще до початку процедури завдяки скануванням PET/CT, які виконуються заздалегідь. Amit Nautiyal, науковець та співробітник National Institute for Health and Care Research (NIHR) у University Hospital Southampton, зазначив: «18F-PSMA PET/CT вже регулярно проводиться і широко доступний у пацієнтів із раком простати, але його потенціал для прогнозування дози випромінювання терапії раніше не досліджувався». Мета цього дослідження полягала в тому, щоб визначити, чи може інформація з цих сканувань керувати плануванням лікування та підтримувати більш персоналізований догляд.
Методологія прогнозування
У цьому дослідженні-концепції було включено 9 пацієнтів із mCRPC, які були направлені на радіофармацевтичну терапію ¹⁷⁷Lu-PSMA. Для аналізу використовувалися дані від 57 пухлин, 36 слинних залоз та 18 нирок. Дослідники розробили модель змішаного ефекту машинного навчання для прогнозування поглиненої дози в органах і пухлинах. Модель використовувала три основні групи предикторів:
- Метрики захоплення на основі PET (uptake-based PET metrics).
- Радіомічні ознаки (radiomic features), які описують текстуру зображень.
- Клінічні біомаркери пацієнта.
Прогнозовані оцінки були порівняні з дозиметрією, розрахованою після одного циклу терапії ¹⁷⁷Lu-PSMA, що дозволило оцінити точність моделі.
Потенціал для клінічної практики
Модель машинного навчання на основі 18F-PSMA PET/CT продемонструвала багатообіцяючу здатність прогнозувати поглинену дозу. Комбінуючи ознаки захоплення, радіоміку та біомаркери, а також враховуючи індивідуальну варіативність пацієнтів, модель відкриває шлях для використання пре-терапевтичної інформації у прогнозуванні пост-терапевтичної дози. Як зазначив Nautiyal: «Якщо цей підхід буде підтверджено у більших дослідженнях, він може покращити відбір пацієнтів та підтримати краще прийняття рішень під час оцінки перед лікуванням».
Це доказове дослідження є частиною п'ятирічної програми, спрямованої на збір більшої кількості даних і розробку надійної, валідованої моделі. Майбутня робота зосередиться на багатоцентрових когортах для вдосконалення прогнозів дози та незалежної валідації.