Aumento de la confianza en la interpretación del PET con 18F-Florbetaben: 'machine learning' basado en la aproximación cuantitativa

Autor: Mariano Amo-Salas, V.M. Poblete García, A. Soriano Castrejón, B. Mondejar Marín, F.J. Pena Pardo, M.J. Tello Galán, S. Navarro Muñoz, C. Marsal Alonso, I. Rueda Medina, A.M. García Vicente
Rok vydání: 2022
Předmět:
Zdroj: Revista Española de Medicina Nuclear e Imagen Molecular. 41:153-163
ISSN: 2253-654X
Popis: Resumen Objetivo Determinar el valor a-adido de los parametros semicuantitativos en el analisis visual y estudiar los patrones del deposito cerebral de 18F-Florbetaben. Material y metodos Analisis retrospectivo de pacientes con deterioro cognitivo leve o demencia de origen incierto procedentes de un estudio multicentrico. Los PET con 18F-Florbetaben fueron interpretados de forma visual por dos observadores independientes, analizando las regiones “diana” con la finalidad de calcular el acuerdo interobservador. Se realizo analisis semicuantitativo de todas las regiones corticales con respecto a tres regiones de referencia para obtener indices de captacion (SUVRs). Se analizo la capacidad de los SUVRs para predecir el resultado de la interpretacion visual, la posibilidad de deposito preferencial del radiotrazador en algunas regiones “diana” asi como las diferencias interhemisfericas. Resultados Se evaluaron 135 pacientes. En la valoracion visual, 72 estudios se clasificaron como positivos. El acuerdo interobservador fue excelente. Todos los SUVRs fueron significativamente superiores en pacientes con PET positivos con respecto a los negativos. Las regiones corticales correspondientes al area prefrontal y al cingulado posterior mostraron la mejor correlacion con la evaluacion visual, seguidas por la valoracion integrada cortical. Usando analisis de ROC, los SUVRs obtenidos en las mismas regiones “diana” mostraron la mejor capacidad diagnostica. Conclusiones La informacion obtenida de las regiones “diana” parece ser de ayuda en la clasificacion visual, basado en un deposito preferencial de amiloide, lo que permitiria el “machine learning”. El deposito de amiloide, aunque difuso en todas las regiones corticales, parece no ser uniforme ni simetrico.
Databáze: OpenAIRE