为给临床医生的决策提供重要支持成像在临床常规中定期进行

时间:2022-01-05

  在核心脏病学中,成像在临床常规中定期进行,目的是为临床医生的决策提供重要支持,例如,确定冠状动脉狭窄是否需要干预。使用的模式包括SPECT和PET,它们通常作为混合成像与CT一起执行,或者在显像的情况下,甚至与磁共振成像扫描一起执行。总的来说,可以观察到越来越多的检查。不仅要进行大量检查,尤其是在心肌灌注显像中,而且这种检查是高度标准化的,并且量化已经常规实施,使心肌灌注显像成为最有希望的检查之一。

  机器学习和深度学习的实现。相应地,人工智能在心肌灌注成像数据分割、冠状动脉疾病诊断和主要心脏不良事件预测等领域取得了进展。例如,已经有一些方法可以在基于软件的左心室分割过程中自动确定瓣膜平面,这是分析心肌灌注数据集时经常需要医生干预的最重要步骤之一。除了神经肿瘤疾病,神经退行性疾病是核医学中基于人工智能的方法的常见目标。

  除此之外,不同的神经网络已应用于阿尔茨海默病的自动分类。 预测脑内淀粉样蛋白的积累先于阿尔茨海默病的临床症状长达20年,以及针对大脑抗体淀粉样蛋白的治疗方案进行了临床测试。尽管到目前为止还没有药物治疗方案获得批准,但早期诊断可能变得非常重要。靶向治疗的可用性。在这种情况下,大脑 显像 图像的自动评估可能有助于识别可能从治疗干预中受益的患者。

  除了面向应用的图像分析领域,人工智能方法越来越多地应用于核成像数据的预处理和后处理等更基础和技术领域。AI将卷积神经网络嵌入到迭代图像重建框架中,并在视觉上改善了图像质量的同时降低了噪声。AI证明了通过使用去噪卷积网络对低剂量重建 显像 图像进行后处理来提高视觉图像质量。这些研究可以被视为原理证明而不是临床使用的直接起点,因为它们使用小病例通过模拟从全剂量数据导出的数字或低剂量显像 数据。

  仍然需要事先对真实数据进行大规模研究,以证明这些方法在临床环境中的准确性。然后,基于AI的方法可能允许在应用最小示踪剂活动后进行“超低剂量”显像成像。最近推出的“数字”显像 系统,其性能优于传统的基于光电倍增管的显像系统,具有更高的重合时间分辨率和检测器灵敏度,可能在精确超低剂量的开发中发挥关键作用。

  这些系统的特点是优化了信噪比,从而提高了图像质量。结合人工智能的图像去噪,未来可能会出现可临床评估的超低剂量显像。如果基于AI的衰减校正和图像重建可能将辐射暴露减少到每年累积的自然辐射范围内,那么显像成像的适用性可以从临床怀疑的评估扩展到大规模筛查。列侬等人证明了通过微创血液检测和随后的CT相结合进行肿瘤筛查的可行性。未来的前景可能旨在使用超低剂量FDGPET进行肿瘤筛查。对于各种肿瘤实体,尤其是乳腺癌、结肠直肠癌和肺癌,通过筛查和随后的早期诊断和治疗来改善预后是一种很好的现象。

  对于大规模进行PET检查,增加检查的可用性将成为必要。除了增加 显像 扫描仪的数量之外,减少每位患者的采集时间可能旨在为每个扫描仪提供更多的检查。由于减少的成像时间会导致PET图像的噪声与低活动管理后的图像相媲美,另一方面,人工智能方法的类似去噪技术可能有助于为高检查量提供后勤保障。随着人口年龄的增加和肿瘤疾病的流行,这些应该成为必要的,而与超低剂量显像 筛查的适用性无关。


上一篇:医生集团走过这七年
下一篇:【洋腔队】韩国医生在北京:与快速发展的中国一起成长