大B细胞淋巴瘤是非霍奇金淋巴瘤中最常见的亚型之一，其预后和治疗监测高度依赖影像学评估，尤其是¹⁸F-FDG PET/CT扫描。代谢肿瘤体积（MTV）作为一个定量指标，能够反映肿瘤的代谢活性和负荷，被证实与治疗反应和预后密切相关。然而，MTV的手动分割工作量大，且受操作者经验影响，存在较大主观差异，限制了其在多中心临床研究中的应用和放射组学的推广。 人工智能，尤其是深度学习技术，因其在图像识别领域的卓越性能，被广泛探索用于医学影像的自动分析。自动MTV分割工具能够快速、标准化地提取肿瘤体积信息，促进数据一致性和研究的可重复性，进而助力个性化治疗方案的制定。

10月4日-10月8日，2025年第38届欧洲核医学协会年会(EANM) 在西班牙巴塞罗那隆重举行。在本届大会上，研究人员发表了一项研究，首次在大规模大B细胞淋巴瘤患者中，评估一款深度学习（DL）工具的性能在¹⁸F-FDG PET/CT影像中自动识别MTV的准确性、效率及可重复性。研究发现，该DL工具与经验丰富医师的手动分割高度一致，且处理速度快，具备推广至临床多中心研究和放射组学分析的潜力。

本研究回顾性纳入了94例接受CAR-T治疗的大B细胞淋巴瘤患者，所有患者均进行了基线¹⁸F-FDG PET/CT扫描，扫描设备涵盖多个厂商。两位经验丰富的核医学医师分别采用自由手绘（MTVm）和固定SUV阈值4.0（MTVth）两种方法手动分割MTV，作为参考标准。研究团队利用预先部署的商业深度学习自动分割工具（MTVa），结合肝脏SUVmax作为校正基准，对MTV进行了自动识别和调整。 评估指标包括相对体积差异、Dice相似系数（DSC）和平均距离一致性（MDA），并根据肝脏SUVmax分为低（<4）和高（≥4）两组，考察肝脏代谢状态对分割准确性的影响。此外，记录了自动分割所需时间，并通过两名独立操作者对肝脏SUVmax的不同定位，评估MTVa的重复性。

结果显示，共分析188个MTV，患者肝脏SUVmax均值为3.2±1.03。MTVa与MTVm或MTVth的中位体积分别为209.1cm³和142.4cm³，显示DL分割略高于人工分割。对于肝脏SUVmax小于4的患者，MTVa与MTVm和MTVth的平均DSC分别为0.72和0.68，显示较高的一致性；而肝脏SUVmax≥4的患者中，DSC略有下降，分别为0.54和0.70，提示肝脏代谢异常可能影响分割性能。 在MTVa低估MTVm或MTVth的情况下，MDA中位值分别为11.5mm和5.4mm；而在其他情况下，MDA为4.8mm和8.58mm，反映出空间一致性总体良好。自动分割平均耗时约33秒，显著快于手动操作。重复性测试显示不同操作者的MTVa结果差异控制在10%以内，体现良好的稳定性。

总之，本研究验证的深度学习自动分割工具在多厂商设备下可实现对大B细胞淋巴瘤患者¹⁸F-FDG PET/CT代谢肿瘤体积的高效、准确识别。与资深医师手动分割相比，DL工具表现出良好的一致性，尤其在肿瘤体积较大且肝脏代谢正常的患者中效果更佳。其快速处理能力和优异的重复性，支持其在未来临床多中心研究及个性化放射组学分析中的广泛应用。

尽管本研究涵盖了多台PET/CT设备和较大样本量，但仍属单中心回顾性研究，未来多中心、前瞻性研究有助于进一步验证工具的普适性。此外，肝脏代谢异常对分割性能的影响值得深入探讨，未来可结合肝脏病变状态优化算法。随着AI技术的发展，结合临床及基因组学数据，实现精准医疗将成为可能。

参考资料

OP-028 How accurately can artificial intelligence identify metabolic tumour volume (MTV) in large B-cell lymphoma on ¹⁸F-FDG PET/CT? Validation of a Deep Learning tool in a large B-cell lymphoma patient cohort

本文相关学术信息由梅斯医学提供，基于自主研发的人工智能学术机器人完成翻译后邀请临床医师进行再次校对。如有内容上的不准确请留言给我们。

Tags： EANM 2025：人工智能精准识别大B细胞淋巴瘤代谢肿瘤体积，与资深医师手动分割结果高度一致