Исследователи представили LION (Lesion Identification in Oncologic Nuclear imaging) — открытую систему автоматической сегментации опухолей на ПЭТ-изображениях, работающую только с данными ПЭТ (без КТ-компонента) для [18F]FDG и PSMA-направленных радиофармпрепаратов. Ключевая особенность работы — анализ того, как состав обучающих данных влияет на качество сегментации.

В ретроспективном многоцентровом исследовании использовали:

• 5209 [18F]FDG ПЭТ/КТ сканирований, охватывающих 19 типов злокачественных новообразований
• 2046 PSMA-направленных ПЭТ/КТ сканирований

Модель включала органы с физиологическим накоплением как вспомогательные классы, что позволило проводить сегментацию только по ПЭТ-данным. Для количественной оценки пространственного разнообразия опухолей в обучающих данных создавались tumor occurrence maps (TOMs) — карты локализации опухолей.

Исследователи сравнивали:

• Узкоспециализированные модели (для конкретных нозологий)
• Смешанные модели (обученные на нескольких типах опухолей)
• Прогрессивно увеличивающиеся обучающие выборки

Для анализа домен-шифта, связанного со сканерами, использовались DINOv2 embeddings.

Включение органов с физиологическим накоплением существенно улучшило качество сегментации на полных валидационных когортах (616 [18F]FDG сканирований по 4 нозологиям; 443 PSMA ПЭТ/КТ при раке предстательной железы):

• Для [18F]FDG: медиана Dice выросла с 0.62 до 0.71
• Для PSMA: медиана Dice выросла с 0.75 до 0.83

Пространственное разнообразие опухолей, измеренное через TOMs, сильно коррелировало с качеством сегментации (коэффициент Спирмена ρ = 0.80, P = 0.003). Это привело к неожиданному открытию: смешанная модель, обученная на 500 пациентах с разными типами опухолей, показала результаты, сопоставимые со специализированной моделью для лимфом, обученной на 3031 случае. Это демонстрирует, что разнообразие локализаций важнее объёма данных одного типа.

Анализ DINOv2 embeddings выявил домен-шифт, индуцированный различиями в сканерах, даже между когортами с одной и той же нозологией.

На тестовой выборке для сравнения моделей (исключая случаи AutoPET) LION достигла:

• Медиана Dice 0.71 для [18F]FDG
• Медиана Dice 0.85 для PSMA

Эти показатели превзошли три других открытых инструмента автоматической сегментации.

LION предоставляет онкологам инструмент для автоматизированной сегментации опухолей только по ПЭТ-данным, что упрощает количественный анализ метаболически активных очагов при [18F]FDG и PSMA ПЭТ/КТ.

Методологическая новизна работы — в демонстрации того, что состав обучающих данных, особенно пространственное разнообразие локализаций опухолей, критически важнее простого увеличения объёма однородных данных. Это открывает путь к более эффективным стратегиям формирования обучающих датасетов для AI-инструментов в ядерной медицине.

Открытый доступ к инструменту LION способствует воспроизводимости результатов и внедрению в клиническую практику многоцентровых исследований с количественной оценкой опухолевой нагрузки по данным ПЭТ.