KI-gestützte PET-Bildgebung identifiziert verborgene Hirntumorläsion

Philipp Lohmann, Robin Gutsche, Jan-Michael Werner, N. Jon Shah, Karl-Josef Langen and Norbert Galldiks

15. Februar 2024

Ein 43-jähriger Patient mit unschlüssigen Ergebnissen aus strukturellen MRT-Scans unterzog sich zur weiteren Diagnose eines vermuteten Glioms einer zusätzlichen O-(2-[18F]Fluorethyl)-L-Tyrosin (FET)-PET-Bildgebung, die unerwartete Erkenntnisse über seinen Zustand erbrachte. Der PET-Scan zeigte eine Läsion mit leicht erhöhter FET-Aufnahme, die von einem menschlichen Experten segmentiert wurde. Interessanterweise identifizierte der Algorithmus der künstlichen Intelligenz (KI) JuST_BrainPET neben dieser Läsion eine weitere Läsion, die keine pathologische Tracer-Anreicherung aufwies und daher vom menschlichen Experten nicht segmentiert wurde. Diese Läsion entwickelte sich in der Folge zu einem kontrastverstärkten und metabolisch aktiven Glioblastom, das vier Monate später bei Folgescans entdeckt wurde.

Das KI-Tool sagte einen pathologischen Prozess in einem frühen Krankheitsstadium korrekt voraus, was Diagnose- und Behandlungsentscheidungen hätte beeinflussen können, z. B. die Ausrichtung der Biopsie oder die Bestimmung des Zielvolumens für die Strahlentherapie.

Dieser zufällige Befund unterstreicht das Potenzial einer KI-basierten Entscheidungshilfe für das Patientenmanagement auf der Grundlage von Aminosäure-PET.

Originalpublikation: Example of Artificial Intelligence–Based Decision Support for Amino Acid PET: Early Prediction of Suspected Brain Tumor Foci for Patient Management

JuST_BrainPET: https://github.com/MIC-DKFZ/nnUNet/tree/nnunetv1#useful-resources