Předterapeutická předpověď dávky 68Ga-PSMA PET AI pro cílenou radionuklidovou terapii 177Lu-PSMA (PADL)

Navzdory brzkému úspěchu TRT se objevily obavy z rizika nedostatečného kompromisu mezi terapeutickou dávkou a vedlejšími účinky. V současné době jsou protokoly pro podávání radiofarmak hodnoceny na populační bázi a aktivita k podávání byla stanovena pro konkrétní skupinu pacientů na základě předchozích studií. Směrnice Evropské rady (2013/59 Euratom) však nařizuje, že léčba TRT by měla být plánována podle optimální dávky záření přizpůsobené jednotlivým pacientům, jak je tomu již dlouho v případě externí radioterapie (EBRT) nebo brachyterapii. Základním požadavkem plánování léčby TRT je odhadnout absorbovanou dávku před léčbou.

Předchozí znalost biodistribuce terapeutického činidla prostřednictvím zobrazování před terapií pomáhá optimalizovat kompromis mezi destrukcí nádoru a ozářením zdravých tkání. Byly navrženy koncepty, jako je fyziologicky založené farmakokinetické (PBPK) modelování, aby se odhadla časoprostorová farmakokinetika zobrazovacích činidel a pak se extrapolovaly na léčiva.

Alternativou je vygenerování 3D mapy časově integrované aktivity (TIA) na pacienta na základě PBPK a zobrazení před léčbou. TIA poskytuje informaci o počtu rozpadů, ke kterým dojde v každém voxelu během celkové doby trvání terapie. PBPK je orgánový model, pak výpočet 3D TIA vyvolává problém segmentace orgánů na nukleárním zobrazování před léčbou, které musí být robustní, automatické a přesné. Absorbovanou dávku pro pacienta lze před léčbou odhadnout pomocí 3D TIA a anatomie pacienta (snímek CT) pomocí simulace Monte Carlo (MC). . Tento projekt se bude zabývat dvěma hlavními výzvami: (a) robustní a přesná metabolická segmentace v nukleární medicíně pro výpočet 3D TIA a (b) rychlá predikce dávky založená na MC a přístupu hlubokého učení.