XiaoMi-AI文件搜索系统
World File Search System核医学
已发布版本的引文 (APA)：Visvikis, D., Lambin, P., Mauridsen, K. B., Hustinx, R., Lassmann, M., Rischpler, C., Shi, K., & Pruim, J. (2022)。人工智能在核医学和分子成像中的应用：临床转化现状和未来前景的回顾。欧洲核医学和分子成像杂志，49，4452–4463。https://doi.org/10.1007/s00259-022-05891-w
和护理人员对自动化产生了需求，也需要从获取的数据中提取更多信息。AI 的潜在优势已经在常规筛查中显现出来，筛查中会调查大量患者（及相关数据）是否存在疾病，其结果并不比人类表现差。例如，McKinney 等人能够证明他们的乳腺癌筛查算法与经验丰富的放射科医生相比不逊色 [6]。与此同时，由于缺乏透明度，因此可能缺乏可重复性，AI 结果受到批评 [7]。将 AI 引入放射科的运营已导致资源优化 [8]。这种操作型人工智能在核医学 (NM) 中应该更加重要，因为核医学涉及放射性同位素，其保质期有限。患者安排、放射性药物制备管理、报告生成以及恢复和组织以前的 NM 和成像研究都是人工智能有助于简化部门运作的任务示例。然而，我们必须承认，到目前为止，人工智能在 NM 中仍然没有多大用处。毫无疑问，这可能与这样一个事实有关：与放射科相比，每天通过 NM 部门的患者数量较少。然而，这低估了人工智能的潜力，因为一方面，每张病人的图像都代表着大量的数据（无论这些数据是否相关）[9]，另一方面，人工智能方法已被证明能够利用从较大数据集中获得的知识来适应较小的数据集。在本文中，我们简要回顾了该领域目前最前沿的技术，包括更物理和更临床导向的成像人工智能应用组件。有关每个特定主题的更详细评论，读者可以参阅其他更专业的文章[10-17]。最后，讨论了一些关于在 NM 中引入和使用人工智能的想法。
关于人工智能在核医学中应用的 EANM 立场文件
诊所。一般而言，放射学界对人工智能的影响有两种观点。第一种观点相当乐观，认为人工智能将有助于加强放射科医生在医疗保健大局中的作用 [ 2 ]。另一种观点认为，人工智能将接管放射科医生的任务，使其成为敌人而不是补充工具 [ 3 ]。最近的一项调查显示，放射医学界对此持温和乐观态度，62% 的人认为诊断放射科医生的工作不会因人工智能而受到威胁 [ 4 ]，随着人工智能越来越多地被视为解决当前放射科医生短缺问题的潜在解决方案，以提高医疗实践质量，以及降低整体医疗成本的一种手段 [ 5 ]，放射医学界对此的接受度正在提高。在核医学领域，我们才刚刚开始触及这些问题的表面 [ 6 ]，或许我们认为这些问题会在适当的时候得到解决，而无需我们的直接干预。人工智能在核医学和放射学（以及其他学科）中的应用具有相似之处，特别是混合成像中使用的横断面技术。尽管人工智能在核医学中的引入已经落后，但没有理由认为其他学科遇到的优势、进展、解决方案和挑战不会适用于核医学。此外，这些发展不仅限于核医学医生。它们还将扩展到物理学家、放射化学家和放射药剂师。核医学的一些特定方面，即短寿命同位素对放射性药物制备和患者安排的影响，或个体剂量测定在治疗中的应用增加，可能会进一步增强人工智能对我们日常实践的潜在影响。
人工智能在核医学和分子成像中的应用：临床转化现状和未来前景的回顾
和护理人员对自动化产生了需求，也需要从获取的数据中提取更多信息。AI 的潜在优势已经在常规筛查中显现出来，筛查中会调查大量患者（及相关数据）是否存在疾病，其结果并不比人类表现差。例如，McKinney 等人能够证明他们的乳腺癌筛查算法与经验丰富的放射科医生相比不逊色 [6]。与此同时，由于缺乏透明度，因此可能缺乏可重复性，AI 结果受到批评 [7]。将 AI 引入放射科的运营已导致资源优化 [8]。这种操作型人工智能在核医学 (NM) 中应该更加重要，因为核医学涉及放射性同位素，其保质期有限。患者安排、放射性药物制备管理、报告生成以及恢复和组织以前的 NM 和成像研究都是人工智能有助于简化部门运作的任务示例。然而，我们必须承认，到目前为止，人工智能在 NM 中仍然没有多大用处。毫无疑问，这可能与这样一个事实有关：与放射科相比，每天通过 NM 部门的患者数量较少。然而，这低估了人工智能的潜力，因为一方面，每张病人的图像都代表着大量的数据（无论这些数据是否相关）[9]，另一方面，人工智能方法已被证明能够利用从较大数据集中获得的知识来适应较小的数据集。在本文中，我们简要回顾了该领域目前最前沿的技术，包括更物理和更临床导向的成像人工智能应用组件。有关每个特定主题的更详细评论，读者可以参阅其他更专业的文章[10-17]。最后，讨论了一些关于在 NM 中引入和使用人工智能的想法。
核医学中的人工智能技术
个性化医疗（精准医疗）是一种正在发展的医疗实践，它为个体患者开发量身定制的治疗方法，从而提高可靠性并对预防、诊断和治疗途径产生重大影响[ 1 ]。人工智能 (AI) 集成在实现核医学精准医疗方面发挥着重要作用[ 2 ]。它是指计算机科学的一个领域，旨在模仿通常需要人类智能的任务的执行[ 3 ]。人工智能的进步使得为个体患者开发精准医疗模型成为可能（图 1、表 1）。人工智能的进步顺序为机器学习 (ML)、深度学习 (DL)、人工神经网络 (ANN)、卷积神经网络 (CNN) 和生成对抗网络 (GAN)[ 4、5 ]。
澳大利亚核医学专家协会
▪ FDG-PET 成像已证明对几乎所有实体肿瘤的治疗具有重大影响。MBS 核医学审查工作组指出，“如果在治疗前后有更多机会接受 PET 服务，大量澳大利亚患者的癌症治疗可能会发生改变”（第 34 页）。 ▪ 委员会认为 68 Ga DOTATATE PET 是“神经内分泌肿瘤的最佳检测方法” ▪ 已证明 68 Ga-PSMA PET“与传统成像相比，在前列腺癌分期和重新分期方面具有更高的诊断准确性，主要是通过检测原本未怀疑的疾病部位” ▪ 有临床证据表明选择性内放射治疗 (SIRT) 对转移性结直肠癌、神经内分泌肿瘤、其他以肝脏为主的转移性肿瘤（例如乳腺癌）、胆管癌和肝细胞癌有效。 ▪ 核医学肺部项目适用于肺减容术前评估、炎症性肺部疾病活动性评估和疑似肺栓塞。 ▪ 核医学肝脏和脾脏研究有助于诊断功能性胆囊综合征，并有助于描述肝脏和脾脏病变。 ▪ 核医学成像技术可有效诊断和评估神经系统疾病，包括帕金森病和痴呆症（包括阿尔茨海默病）。
人工智能在核医学中的新兴作用
人工智能在医学各个分支领域的作用日益增强。人工智能应用在核医学中的作用日益突出，将在未来几年改善核医学临床工作流程。初步研究结果表明，人工智能在核医学工作流程中的作用日益增强，特别是在选择性自动化任务方面。人工智能辅助规划、剂量测定和程序执行似乎是快速和重大发展的领域。人工智能在更直接的成像相关任务中的作用，例如剂量优化、图像校正和图像重建，一直是核医学人工智能研究的重点。基于自然语言处理 (NLP) 的文本处理
图像引导的高强度集中超声，这是介入核医学的新应用？
图像引导的高强度集中超声（HIFU）已越来越多地用于医学中，并且有几种为此的系统已成为商业上可用的。hifu已在全球范围内批准各种实体瘤，神经系统疾病的治疗以及骨转移的姑息治疗。聚焦超声的机械和热效应为组织疗法，支持性放射治疗，和靶向drugdelivery提供了一种可能性。intergentrationFormatigationFormatigationFormantigantInticalInitySintohifusystemSallowsSallowsSallowsSallowsSallowsForPrecisetemperaturementing and Cocigain for Precate ectrate and to anderation sallowsementing和准确的治疗计划，增加了治疗的安全性和效率。临床上的临床和临床结果表明，图像引导的HIFU的潜力减少了不良反应并术后提高生活质量。介入的核形象 - 指导HIFU是未来有吸引力的非侵入性选择。
图像引导高强度聚焦超声，介入核医学的新应用？
Xinrui Zhang 1 , Lisa Landgraf 1 , Nikolaos Bailis 2 , Michael Unger 1 , Thies H. Jochimsen 3 , Andreas Melzer 1,4,
超越视觉的核医学
2021 年 3 月，诺华宣布了 177 Lu-PSMA-617 放射性配体疗法 (RLT) 的随机 III 期 VISION 研究的两个主要终点均取得了积极结果。与单独使用最佳标准治疗相比，177 Lu-PSMA-617 RLT 和最佳标准治疗可改善已接受紫杉烷类化疗和新型雄激素轴药物治疗的转移性去势抵抗性前列腺癌 (mCRPC) 患者的总体和放射学无进展生存期。VISION 的成功可能是过去几十年核医学领域最重要的事件，也是转移性前列腺癌治疗的重大进步。新型治疗诊断学的愿景是如何变成现实的？自 1990 年代末以来，欧洲研究人员就成功应用了放射性标记的生长抑素受体 (SSTR) 配体。几十年后，一项国际随机 III 期研究证明了 SSTR 导向的肽受体放射性核素治疗 (PRRT) 对转移性神经内分泌肿瘤具有前所未有的疗效 ( 1 )。受 PRRT 早期临床成功的推动，约翰霍普金斯大学和海德堡大学的研究人员开发了 PSMA 导向的治疗诊断探针，其中 68 Ga-PSMA-11 和 177 Lu-PSMA-617 分别用于 PET 成像和放射性配体治疗 ( 2 )。早在 VISION 成为现实之前，学术界在患者的支持下就形成了 PSMA 治疗诊断的愿景。欧洲和澳大利亚的核医学团队通过临床试验或同情用药启动了 PSMA RLT 的使用。早期的同情用药经常因妨碍批准而受到批评 ( 3 )，实际上它提供了试验设计和跨越 I/II 期研究所急需的回顾性证据。尽管公共资金有限，但仍完成了多项回顾性和前瞻性研究者发起的试验 (IIT)。 Hallmark 试验由墨尔本 Peter MacCallum 癌症中心的研究人员领导。在众多举措中，随机 TheraP 研究最近证明，与卡巴他赛相比，177 Lu-PSMA- 617 在晚期前列腺癌患者中具有更优的前列腺特异性抗原反应率、进展时间和安全性 ( 4 )。VISION 现已证明具有生存益处，为其获得监管部门批准和广泛使用铺平了道路。预期的 177 Lu-PSMA-617 和最近的 68 Ga-PSMA11 获批预示着前列腺癌放射治疗的全球扩张 ( 5 )。更重要的是，PSMA 靶向作为一种平台解决方案，具有 VISION 框架之外的众多化合物和放射性标记物。超过 20 项临床研究使用不同的配体和核素评估了 PSMA 导向的 RLT 在前列腺癌所有相关阶段的疗效。 PSMA RLT 的预期快速扩张给我们的医疗系统，特别是核医学和泌尿肿瘤学界带来了迫在眉睫的挑战和机遇。最近对德国 mCRPC 目标人群的一项研究估计，超过 38 人符合资格。每年有 000 个 PSMA RLT 周期（6）。假设 mCRPC 患病率相同，美国和欧盟的患者合计每年将有资格接受超过 350,000 个 PSMA RLT 应用。放射性药物应用的这种前所未有的扩张将诊所运营和供应链推向甚至超越其容量极限。核医学基础设施需要以超光速的速度加速以满足这一需求。这意味着，拥有强大核医学服务的卫生系统需要重组
用于识别核医学领域有影响力的基于人工智能的发现的 TRUE 清单：它是真实的吗？它是可重复的吗？它是有用的吗？它是可以解释的吗？
值得注意的是 - 人工智能 (AI) 算法目前被提出用于核医学的许多不同目的。（第 2 页）- 这些算法的报告带来了特殊的挑战，需要适当的透明度和高度的科学严谨性（第 2-3 页）。- 任何涉及基于 AI 的方法的报告都应仔细解决和讨论研究结果的科学有效性、可重复性、有用性和可解释性（第 3 至 7 页）。