Рутинное внедрение пациент-специфичной дозиметрии в 177Lu-PSMA терапии затруднено необходимостью многократной постерапевтической ОФЭКТ/КТ визуализации для оценки интегрированной по времени активности (time-integrated activity, TIA). Подходы с использованием одной временной точки (single-time-point, STP) предлагают более практичную альтернативу, хотя их точность еще предстоит полностью установить. Целью исследования была оценка существующих аналитических STP-методов и возможности применения машинного обучения (МО).
Ретроспективно проанализированы 34 пациента с метастатическим кастрационно-резистентным раком предстательной железы, получавших терапию 177Lu-PSMA-617. Референсные TIA были получены из 177Lu-ОФЭКТ/КТ в 3 или 4 временных точках (TP) после инъекции (TP1: 0,7–2,1 ч, TP2: день 1–2, TP3: день 3–4, TP4: день 5–7) в 1-м цикле для 147 опухолей, 64 почек и 65 околоушных желёз с использованием моно- или биэкспоненциальной аппроксимации.
Аналитические STP-методы (Hänscheid и Madsen) оценивались в разных временных точках. Для каждого органа разработана модель МО с residual learning подходом, где моделировалось log-трансформированное отношение между референсными TIA и аналитическими STP-оценками TIA. Входные признаки включали комбинации ОФЭКТ-параметров одной точки, базовых 68Ga-PSMA-11 ПЭТ-биомаркеров (для отдельных структур и всего объёма опухоли) и клинических переменных. Эффективность модели оценивалась количественными метриками в рамках 10-кратной повторной 5-fold вложенной кросс-валидации и сравнивалась с чисто аналитическими STP-подходами. Интерпретируемость моделей оценивалась с использованием SHapley Additive exPlanations (SHAP).
Аналитические методы показали высокую эффективность в оптимальных временных точках визуализации (TP2 для почек/околоушных желёз и TP3 для опухолей), с наибольшими ошибками при ранней визуализации (TP1). В целом модели МО обеспечили умеренное улучшение по сравнению с аналитическими методами для большинства структур и временных точек. Лучшая эффективность достигнута при использовании модели МО, сочетающей признаки из ПЭТ/ОФЭКТ с аналитическими оценками TIA.
Средние процентные ошибки моделей в различных временных точках составили:
- Почки: от −1,7 ± 17,9% (TP2) до 7,4 ± 65,3% (TP1)
- Околоушные железы: от −0,4 ± 12,1% (TP2) до 4,5 ± 26,7% (TP4)
- Опухоли: от 1,4 ± 14,8% (TP3) до −4,1 ± 100,5% (TP1)
В данной когорте и рамках моделирования включение клинических переменных не улучшило значимо эффективность модели. SHAP-анализ показал, что модели МО применяли положительную коррекцию к аналитическим оценкам TIA при ранних временных точках визуализации и отрицательную коррекцию при поздних.
Аналитические STP-методы обеспечивают точные оценки TIA при применении в соответствующих временных точках визуализации. Модели МО, интегрирующие аналитические оценки с признаками визуализации, обеспечивают умеренное улучшение точности с меньшей чувствительностью к выбору временной точки. Однако оптимальное время остаётся зависимым от структуры, требуя компромисса при использовании единственного сканирования. Эти данные поддерживают потенциал МО-управляемой STP-дозиметрии в 177Lu-PSMA-617 радиофармацевтической терапии для обеспечения более гибких и клинически осуществимых рабочих процессов при дальнейшей валидации на более крупных и разнообразных наборах данных.

