Ручная сегментация метастазов рака предстательной железы на PSMA ПЭТ/КТ и ОЭКТ/КТ требует значительных временных затрат и плохо масштабируется, особенно у пациентов с распространённым метастатическим процессом. Настоящее исследование оценило модели автоматической сегментации на основе nnU-Net, обученные на данных ПЭТ и ОЭКТ раздельно или совместно, и проверило, может ли информация из ПЭТ улучшить сегментацию очагов на ОЭКТ.

В исследование ретроспективно включены 73 пациента с метастатическим кастрационно-резистентным раком предстательной железы, получавших терапию ¹⁷⁷Lu-PSMA: 48 из Онкологического центра Анри Беккереля (HBCC) и 25 из Университетской клиники Нанта (NUH). Для каждого пациента выполнялись ⁶⁸Ga-PSMA ПЭТ/КТ до лечения и ¹⁷⁷Lu-PSMA ОЭКТ/КТ во время первого цикла терапии. Все изображения сегментированы вручную четырьмя специалистами по ядерной медицине консенсусным методом.

Обучены четыре модели nnU-Net:

• M1: только ПЭТ/КТ
• M2: только ОЭКТ/КТ
• M3: совместное обучение ПЭТ/КТ+ОЭКТ/КТ, одномодальный вход при инференсе
• M4: ОЭКТ/КТ с использованием сегментации ПЭТ/КТ в качестве априорной информации

Модели сначала обучались и проходили внутреннюю валидацию на данных HBCC, затем дообучались на полной когорте HBCC и проходили внешнюю валидацию на данных NUH.

Для сегментации ПЭТ/КТ модели M1 и M3 показали сопоставимую эффективность. M1 достигла коэффициента Дайса (DSC) 0.83±0.19 (внутренняя валидация) и 0.76±0.22 (внешняя валидация), тогда как M3 — 0.83±0.16 (внутренняя) и 0.77±0.21 (внешняя).

Для сегментации ОЭКТ/КТ ПЭТ-управляемая модель M4 показала лучшие результаты:

• DSC: 0.63±0.24 (внутренняя валидация); 0.78±0.14 (внешняя валидация)
• PPV: 0.65±0.26 (внутренняя); 0.75±0.23 (внешняя)

По сравнению с моделью M2 (только ОЭКТ):

• DSC: 0.61±0.26 (внутренняя); 0.70±0.25 (внешняя)
• PPV: 0.63±0.25 (внутренняя); 0.71±0.24 (внешняя)

Модель M4 не показала статистически значимых различий при внутренней валидации (DSC p=0.35), но продемонстрировала статистически значимое улучшение при внешней валидации (DSC p=0.014).

Фреймворк nnU-Net обеспечивает точную сегментацию очагов как на ⁶⁸Ga-PSMA ПЭТ/КТ, так и на ¹⁷⁷Lu-PSMA ОЭКТ/КТ. Хотя модели, обученные только на ПЭТ и совместно на ПЭТ+ОЭКТ, показывают сходную эффективность на ПЭТ-изображениях, включение ПЭТ-сегментации в качестве априорной информации улучшает сегментацию на ОЭКТ/КТ.

Эта стратегия ПЭТ-управляемой ОЭКТ-сегментации использует преимущество более высокого пространственного разрешения ПЭТ и представляет собой ключевой шаг к полностью автоматизированному извлечению объёмных и дозиметрических биомаркеров для персонализированного лечения рака предстательной железы.