PSMA-PET: 전립선암의 진행 및 반응 예측에 대한 심부 방사성 바이오마커

전립선암(PCa)은 가장 흔한 비피부 악성종양이며 북미 남성에서 암 사망의 세 번째 주요 원인입니다. 정확하게 매핑된 전이 상태는 실제 및 임상 시험에서 치료를 안내하는 데 필요한 전제 조건입니다. 이미징 바이오마커(BM)는 질병의 양과 분포, 예후, 생물학적 행동의 변화, 치료로 인한 변화(반응자 및 비반응자 모두), 반응 지속 기간, 치료 저항성의 출현, 치료법에 대한 숙주 반응에 대한 정보를 제공할 수 있습니다. .

전이성 전립선암과 특히 관련이 있는 것은 새로운 전립선 특이 막 항원(PSMA) 양전자 방출 단층 촬영(PET) 추적자를 포함하는 유망한 이미징 기술의 출현입니다. 이 접근 방식은 치료 전과 치료 중에 전이를 감지하는 데 있어 현재의 영상 표준 치료(CT 및 뼈 스캔)보다 더 높은 민감도를 입증했으며 북미 연구 영역 밖에서는 임상적으로 널리 사용되지 않습니다.

양전자 방출 단층 촬영/컴퓨터 단층 촬영(PET/CT)은 생체 내에서 방사성 표지된 추적자 분자의 양전자 방출 측정을 기반으로 하는 핵의학 진단 이미징 절차입니다. PSMA는 글루타메이트 카르복시펩티다제/엽산 가수분해효소로 기능하고 PCa에서 과발현되는 동종이합체 유형 II 막 금속 효소입니다. PSMA는 대부분의 PCa 조직 표본에서 발현되며 발현 정도는 글리슨 점수, 전이 경향 및 거세 저항 발달을 포함하는 PCa 종양 공격성의 여러 가지 중요한 지표와 관련이 있습니다.

DCFPyL은 유망한 고감도 2세대 PSMA 표적 우레아 기반 PET 프로브입니다. 최종 치료 후 생화학적 진행이 있는 남성에서 2세대 PSMA PET/CT 영상을 사용하는 연구는 영상을 촬영한 남성의 60% 이상에서 전이를 발견했음을 시사합니다.

딥 러닝은 여러 계층의 '뉴런'을 사용하는 인공 신경망의 변형으로 정의됩니다. 딥 러닝은 장기 시스템 전반에 걸친 수많은 응용 프로그램의 의료 영상에서 조사되었습니다. 종양학에서 의사 결정을 지원하기 위한 기본 인공 신경망은 이전에 유방암과 전립선암에서 후향적으로 개발되었지만 전향적으로 검증되거나 통합되지 않았습니다. 특정 치료의 지속 기간과 공격성을 안내하기 위해 가능한 한 빨리 결과를 예측하려면 새로운 데이터 기반 방법이 필요합니다. 또한 주어진 치료에 대한 환자의 반응을 기반으로 최적의 환자 선택을 위해 필요합니다.

여기에서 연구자들은 기계 학습과 결합된 고성능 전립선암 이미징 기술의 조합이 높은 잠재력을 가지고 있다는 가설을 세웁니다. 본 연구의 주요 목적은 딥러닝 기법을 통한 예측 영상 ​​바이오마커 발굴을 가능하게 하기 위해 치료 및 추적 관찰을 받는 전립선암 환자의 PSMA-PET 데이터를 획득하는 것입니다.