PSMA-PET：前列腺癌进展和反应预测的深度放射组学生物标志物

前列腺癌 (PCa) 是最常见的非皮肤恶性肿瘤，也是北美男性癌症死亡的第三大原因。 准确映射的转移状态是在实践和临床试验中指导治疗的必要先决条件。 成像生物标志物 (BM) 可以提供有关疾病体积和分布、预后、生物学行为变化、治疗引起的变化（反应者和非反应者）、反应持续时间、治疗耐药性的出现以及宿主对治疗的反应的信息.

与转移性前列腺癌特别相关的是一种有前途的成像技术的出现，该技术涉及新的前列腺特异性膜抗原 (PSMA) 正电子发射断层扫描 (PET) 示踪剂。 这种方法在治疗前和治疗期间检测转移方面的灵敏度高于目前的成像护理标准（CT 和骨扫描），并且在北美研究领域以外的临床应用并不广泛。

正电子发射断层扫描/计算机断层扫描 (PET/CT) 是一种核医学诊断成像程序，基于体内放射性标记示踪分子的正电子发射测量。 PSMA 是一种同型二聚体 II 型膜金属酶，其作为谷氨酸羧肽酶/叶酸水解酶发挥作用，并在 PCa 中过表达。 PSMA 在绝大多数 PCa 组织标本中表达，其表达程度与 PCa 肿瘤侵袭性的许多重要指标相关，包括 Gleason 评分、转移倾向和去势抵抗的发展。

[18F]DCFPyL 是一种很有前途的高灵敏度第二代 PSMA 靶向尿素基 PET 探针。 在确定性治疗后生化进展的男性中采用第二代 PSMA PET/CT 成像的研究表明，在超过 60% 的成像男性中检测到转移。

深度学习被定义为人工神经网络的一种变体，使用多层“神经元”。 深度学习已经在跨器官系统的众多应用中的医学成像中进行了研究。 在肿瘤学中，支持决策制定的基本人工神经网络先前已在乳腺癌和前列腺癌中进行了回顾性开发，但尚未进行前瞻性验证或整合。 需要新的数据驱动方法来尽早预测结果，以指导特定疗法的持续时间和积极性。 根据患者对给定疗法的反应，还需要它们来进行最佳患者选择。

在这里，研究人员假设将高性能前列腺癌成像技术与机器学习相结合具有很高的潜力。 本研究的主要目的是获取接受治疗和随访的前列腺癌患者的 PSMA-PET 数据，以便通过深度学习技术发现预测性成像生物标志物。