KIRAMS 开发生成 PET 图像的 AI 模型以评估放射性药物
快速阅读: 据《韩国生物医学评论》称，韩国放射医学科学研究院（KIRAMS）开发了一种人工智能模型，可通过一次PET扫描评估64铜-DOTA-利妥昔单抗在体内的分布情况。该模型基于深度学习，只需一次PET扫描即可生成随时间变化的图像，显著简化了放射性药物评估过程。相关论文发表在《科学报告》杂志上。这一成果有望加速新型放射性药物的开发，使患者更快受益。
韩国放射医学科学研究院（KIRAMS）周三表示，他们开发了一种人工智能模型，该模型生成正电子发射断层扫描（PET）图像，以评估放射性药物体内分布的时间变化。量化体内放射性药物的分布对于其商业化非常重要。然而，由于需要多次PET扫描，这在过去是一项繁重的工作，而且治疗用放射性药物在体内停留时间长，使得评估变得困难。韩国放射医学科学研究院（KIRAMS）团队开发了一种用于生成PET图像的人工智能模型。
吴相均博士和他的同事们开发了一种人工智能模型，可以通过一次PET扫描评估64铜-DOTA-利妥昔单抗（一种用于淋巴瘤诊断的放射性药物）在体内的分布。他们通过在注射后24小时和48小时获取并评估PET图像来实现这一目标。在涉及六名淋巴瘤患者的研究中，研究人员通过在注射64铜-DOTA-利妥昔单抗后的三天内进行三次PET扫描（注射后立即、24小时后和48小时后），对60张PET图像进行了增强。基于这些数据训练的深度学习模型旨在仅输入一次注射64铜-DOTA-利妥昔单抗后的PET扫描数据，生成随时间变化的PET图像。通过验证深度学习模型生成的PET图像的实际可靠性，发现器官（如心脏、肺、肝脏、胃、肾脏等）中药物残留时间的平均绝对误差为0%至5.63%，等效剂量误差为1%，有效剂量误差为0.52%，显示出高精度。
这篇题为《基于深度学习的64铜-DOTA-利妥昔单抗全身剂量测定仅需一次扫描》的论文，上周六发表在《自然》杂志的姊妹刊《科学报告》上。研究团队表示：“我们的发现将有助于加速新型放射性药物治疗药物的开发，符合政府创造放射生物学成果的战略，让患者能够更快受益于治疗。”这项研究是在由科学技术信息通信部支持的‘开发药物与辐射反应数据综合处理技术’项目以及利用人工智能技术‘开发预测辐射和化疗反应的医疗技术’的核能研发项目框架内进行的。
(以上内容均由Ai生成)
