PSMA-PET: 前立腺癌の進行および反応予測の深部放射性バイオマーカー

前立腺がん (PCa) は、最も一般的な皮膚以外の悪性腫瘍であり、北米の男性のがんによる死亡原因の第 3 位です。 正確にマッピングされた転移状態は、実際および臨床試験で治療を導くために必要な前提条件です。 イメージング バイオマーカー (BM) は、疾患の量と分布、予後、生物学的挙動の変化、治療による変化 (応答者と非応答者の両方)、応答の持続時間、治療抵抗性の出現、および治療に対する宿主の反応に関する情報を提供できます。 .

転移性前立腺癌に特に関連するのは、新しい前立腺特異的膜抗原 (PSMA) 陽電子放出断層撮影 (PET) トレーサーを含む有望なイメージング技術の出現です。 このアプローチは、治療前および治療中の転移の検出において、現在のイメージング標準治療 (CT および骨スキャン) よりも高い感度を示しており、北米の研究分野以外では広く臨床的に利用できるわけではありません。

陽電子放出断層撮影法/コンピューター断層撮影法 (PET/CT) は、生体内で放射性標識されたトレーサー分子からの陽電子放出の測定に基づく核医学診断画像処理手順です。 PSMAは、グルタミン酸カルボキシペプチダーゼ/葉酸加水分解酵素として機能し、PCaで過剰発現するホモ二量体II型膜金属酵素です。 PSMA は大多数の PCa 組織標本で発現しており、その発現の程度は、グリーソン スコア、転移傾向、去勢抵抗性の発達など、PCa 腫瘍の攻撃性の重要な指標の数と相関しています。

[18F]DCFPyL は、有望な高感度の第 2 世代 PSMA 標的尿素ベースの PET プローブです。 根治的治療後に生化学的に進行した男性に第 2 世代 PSMA PET/CT イメージングを採用した研究では、画像化された男性の 60% 以上で転移が検出されたことが示唆されています。

深層学習は、多層の「ニューロン」を使用する人工ニューラル ネットワークの変形として定義されています。 深層学習は、臓器系全体の多数のアプリケーションで医療画像処理で調査されています。 腫瘍学では、意思決定をサポートするための基本的な人工ニューラル ネットワークが、乳癌および前立腺癌で過去にさかのぼって開発されましたが、前向きに検証または統合されていません。 特定の治療の期間と積極性を導くために、できるだけ早く転帰を予測するための新しいデータ駆動型の方法が必要です。 また、特定の治療に対する患者の反応に基づいて最適な患者を選択するためにも必要です。

ここで、研究者は、機械学習と組み合わされた高性能の前立腺癌イメージング技術の組み合わせが高い可能性を秘めているという仮説を立てています。 この研究の主な目的は、ディープラーニング技術による予測画像バイオマーカーの発見を可能にするために、治療とフォローアップを受ける前立腺癌患者の PSMA-PET データを取得することです。