前列腺癌骨转移诊断的研究进展_NormalPdf

JCentSouthUniv(MedSci)

2021,46(10)http://xbyxb.csu.edu.cn

1147

·REVIEWS·

DOI：10.11817/j.issn.1672-7347.2021.200999

http://xbyxb.csu.edu.cn/xbwk/fileup/PDF/2021101147.pdf

·综述·

前列腺癌骨转移诊断的研究进展

刘俊1,2，董永超3，徐东波2，张春雷2，蓝天4，常德辉2

（1.甘肃中医药大学第一临床医学院，兰州730000；2.中国人民联勤保障第九四〇医院泌尿外科，兰州730050；3.四川宝石花医院泌尿外科，成都610095；4.深圳大学平湖医院泌尿外科，广东深圳518060）

[摘要]前列腺癌(prostatecancer，PC)骨转移的诊断对PC患者的治疗以及预后有重要的意义。骨转移的早期诊断最常用的为骨扫描，但骨扫描的诊断特异性较低，存在较高的假阳性。近年来随着对CT、MRI、发射计算机断层显像(emission-computedtomography，ECT)、正电子发射计算机断层显像/计算机断层扫描(positronemissioncomputedtomography/computedtomography，PET/CT)以及深度学习算法-卷积神经网络(convolutionalneuralnetworks，CNN)在骨转移诊断应用中的深入研究，各种辅助参数联合应用于骨转移的诊断，显著提高了对骨转移诊断的准确性，还可以对PC骨转移患者的治疗效果进行评估，有望在诊断的同时实现骨转移灶的治疗。

[关键词]前列腺癌；骨转移；诊断

Progressindiagnosisofbonemetastasisofprostatecancer

LIUJun1,2,DONGYongchao3,XUDongbo2,ZHANGChunlei2,LANTian4,CHANGDehui2

(1.FirstClinicalMedicalCollegeofGansuUniversityofTraditionalChineseMedicine,Lanzhou730000;2.DepartmentofUrology,The940thHospitalofJointLogisticsSupportForceofChinesePeople􀆳sLiberation

Army,Lanzhou730050;3.DepartmentofUrology,SichuanGemFlowerHospital,Chengdu610095;4.DepartmentofUrology,PinghuHospital,ShenzhenUniversity,GuangdongShenzhen518060,China)

ABSTRACTThediagnosisofbonemetastasisofprostatecancer(PC)isofgreatsignificancetothetreatmentandprognosisofpatientswithPC.Bonescanisthemostcommonlyusedintheearlydiagnosisofbonemetastasis,butitsspecificityislowandthereisahighfalsepositive.Inrecentyears,withthein-depthstudyoftheapplicationofCT,MRI,emissioncomputedtomography(ECT),positronemissioncomputedtomography/computedtomography(PET/CT)anddeeplearningalgorithm-convolutionalneuralnetworks(CNN)inthediagnosisofbonemetastasis,thecombinedapplicationofvariousauxiliary

收稿日期(Dateofreception)：2020-12-22

第一作者(Firstauthor)：刘俊，Email:ljdyx0@163.com,ORCID:0000-0002-0576-518X

通信作者(Correspondingauthor)：常德辉，Email:Chang_D_H@163.com,ORCID:0000-0001-7438-7912

基金项目(Foundationitem)：甘肃省自然科学基金(18JR3RA404)。ThisworkwassupportedbytheNaturalScienceFoundationofGansuProvince,China(18JR3RA404).

©JournalofCentralSouthUniversity(MedicalScience).Allrightsreserved.

1148

中南大学学报(医学版),2021,46(10)http://xbyxb.csu.edu.cn

parametersinthediagnosisofbonemetastasishassignificantlybeenimproved.ThetherapeuticeffectofPCpatientswithbonemetastasiscanalsobeevaluated,whichisexpectedtoachievethetreatmentofbonemetastasisaswellasdiagnosis.Bysystematicallyexpoundingtheresearchprogressoftheabove-mentionedtechniquesinthediagnosisofbonemetastasis,itcanprovideclinicianswithnewmethodsforthediagnosisofbonemetastasisandimprovethediagnosticefficiencyforbonemetastasis.

KEYWORDS

prostatecancer;bonemetastasis;diagnosis

在2018年世界20个地区的统计中[1]，前列腺癌(prostatecancer，PC)的发病率在14个地区成为最常见的男性癌症，其中有5个地区PC成为了癌症死亡的首要原因。随着生活水平的提高及寿命的延长，我国PC的发病率也呈现出显著上升的趋势，大多数患者在确诊时就已经处于晚期[2]。有数据[3]表明70%以上的晚期PC患者会伴有骨转移的发生，而且骨是所有PC远处转移中最常见的转移部位[4]。目前，诊断PC患者骨转移的公认最常用的方法为99m锝标记的亚甲基双膦酸盐(99mtechnetium-methylenediphosphonate，

99m

得SUVmax的临界值为19.5g/mL，在这个界值下对骨转移病灶的诊断敏感性为87%，特异性为92%。Motegi等[11]发现骨总摄取(totalboneuptake，TBU)对于骨转移的诊断也有重要价值，并且发现TBU可以在骨扫描指数(bonescanindex，BSI)为0的患者中有着额外的诊断价值，但TBU也不能避免对退行性变的假阳性诊断，ROC曲线下面积(areaundercurve，AUC)为0.968。

2正电子发射计算机断层显像

2.1

18

Tc-MDP)骨扫描(bonescan，BS)，但是其特异性仅

氟标记氟化钠PET/CT与68镓标记的前列腺特异性膜抗原PET/CT

正电子发射计算机断层显像/计算机断层扫描(positronemissioncomputedtomography/computedtomography，PET/CT)在骨转移的诊断敏感性及特异性方面均明显高于BS[12]，在临床诊疗活动中，PET/CT对BS诊断后的患者提供的价值受到越来越多学者的重视。Zacho等[13]在中高危PC患者中进行前瞻性研究，针对入组BS均显示无骨转移的患者进行18氟标记氟化钠(18fluorine-sodiumfluoride，18F-NaF)PET/CT检查，结果显示1例存在骨转移，7例可疑骨转

单光子发射计算机断层显像(single-photonemis-移，随后进行根治性前列腺切除术，在2年的临床及影像学随访期内，所有患者均没有出现骨转移。这项研究结果使临床医生对18F-NaFPET/CT有了新的认识：对18F-NaF-PET/CT的结果解读应更加仔细，以便减少假阳性及可疑阳性的出现，避免患者因诊断错误而失去积极治疗的机会及过度治疗的发生。Zacho等[14]对68镓标记的前列腺特异性膜抗原(68gallium-prostatespecificmembraneanti-gen，68Ga-PSMA)PET/CT的额外诊断价值进行了研究，在112名受试者中BS显示81例无骨转移，22例有可疑骨转移。经过68Ga-PSMAPET/CT检查后无骨转移的患者中，8例有可疑转移，其中6例经各项检验、检查及随访证实存在骨转移，2例为假阳性；BS可疑骨转移患者中9例诊断存在骨转移，其中假阳性2例，可

有57%[5]，不能够有效区分出患者的PC骨转移与良性骨病变。骨转移PC患者一旦进展为转移性去势抵抗型PC(metastasizecastration-resistantprostatecancer，mCRPC)，其中位生存时间只有2年，是PC的主要致死原因[6]，其一线治疗方案也只能延长4.4个月左右的总生存期[7]。如何准确早期诊断骨转移并提供个体化治疗方案对于临床医生来说仍是一个巨大的挑战，故本文对骨转移PC诊断的最新进展进行综述。

1单光子发射计算机断层显像

sion-computedtomography，SPECT)是目前广泛使用的BS，SPECT/CT是将SPECT与CT联合应用，从而提高骨显像的特异性，SPECT中摄取增加的部位可能与CT中形态的改变存在一定的联系[8-9]。最新的定量SPECT/CT可以实现对99mTc的摄取值进行定量，Tabotta等[10]学者对标准摄取值(standarduptakevalue，SUV)在骨转移病灶与良性关节病变鉴别中的诊断价值进行研究，入组39例患者中包括骨转移病灶265处，关节炎性改变24处。结果发现骨转移病灶的SUVmax及SUVmean均显著高于关节炎性病灶[SUVmax分别为(34.6±24.6)和(14.2±3.8)g/mL；SUVmean分别为(20.8±14.7)和(8.9±2.2)g/mL]，通过受试者工作特性曲线(receiveroperatingcharacteristiccurves，ROC)获

©JournalofCentralSouthUniversity(MedicalScience).Allrightsreserved.

前列腺癌骨转移诊断的研究进展刘俊，等

1149

疑2例，阴性11例。BS与68Ga-PSMAPET/CT的骨转移阳性结果一致，证明68Ga-PSMAPET/CT对于BS阴性及可疑骨转移患者的进一步诊断有重要意义。值得注意的是，68Ga-PSMAPET/CT存在4例假阳性患者，4例患者的部位均为肋骨，所以对于只有肋骨PSMA阳性的病变应进行仔细区分。虽然68Ga-PSMAPET/CT对于骨转移的诊断优于BS，但是其价格比较昂贵，了它的普及。有学者将BS与不同实验室检查指标相结合发现：在碱性磷酸酶(alkalinephosphatase，ALP)≥120U/L和前列腺特异性抗原(prostatespecificantigen，PSA)≥50ng/mL的情况下，BS诊断骨转移的准确率分别为95.8%和87.5%，这一发现大大提高了BS单独使用对骨转移诊断的准确率[15]。通过辅助指标对患者进行分层可以提高BS的诊断效能，对于BS诊断效能较差的分层再进一步推荐68Ga-PSMAPET/CT，这样既可以提高患者BS的诊断效能，又可以减少患者的经济负担，还可以减少资源的浪费。2.2

3深度学习算法-卷积神经网络

在近几年中，深度学习在信息处理领域取得了飞快的发展，尤其是语音识别和图像识别等方面[21-22]，深度学习算法-卷积神经网络(convolutionalneuralnetworks，CNN)在医学成像中发挥越来越重要的作用[23-24]。Aoki等[25]分别将基于深度学习算法的软件[26]和核医学专家对139例PC患者的BS结果进行分析，将患者MRI或临床资料作为诊断是否存在骨转移的金标准。结果显示在12个身体区域中核医学专家诊断的敏感性、特异性和准确性分别为100%、94.9%和97.1%，使用软件的检测效能分别为91.7%、87.3%和.2%。虽然软件与专家的检测效能存在一定的差异，但是在10个身体区域中(除了颈椎和骶骨区域)专家的检测率与软件之间没有统计学差异，充分显示出深度学习算法应用于评估PC患者骨转移的辅助诊断的价值。Papandrianos等[27]提出了红绿蓝(redgreenblue，RGB)-CNN模型，RGB-CNN不但体系结构简单，运行时间短，而且通过对778名接受BS的PC患者进行验证发现，其鉴别骨转移病灶、退行性病变及正常骨组织的准确性为(91.42±1.)%。Papandrianos等[28]还发现CNN模型具有以下特征：当批次=16，丢弃=0.7，节点(3个转换层)=8，16，32，密集节点=，历元=200，像素=256，256，3时，各项指标均优于其他现有的CNN模型(准确率为0.97、精确度为0.969、召回率为0.974、灵敏度为0.965、特异性为0.968)。表面增强拉曼光谱(surfaceenhancedramanspectroscopy，SERS)是一种强有力的血液分析技术，具有快速响应、高敏感度、高特异度的优点，并具有不同分子结构特有的峰[29]，但是识别复杂光谱中存在差异的因素并进行分类仍是一项极大的挑战。CNN的飞速发展使得对高精度的SERS识别成为了可能[30]。Shao等[31]将CNN与SERS联合用于对PC骨转移患者的筛查，在用SERS数据训练出的CNN模型中，当迭代次数到达57时CNN模型的训练准确率最高为(99.51±0.23)%，测试准确率为(81.7±2.83)%，测试灵敏度为(80.63±5.07)%，测试特异度为(82.82±2.94)%。CNN的使用可以在BS的基础上显著提高骨转移诊断的准确率，并可以减少不同临床医师诊断时的个体差异，提高对骨转移PC患者诊断的准确性。今后通过大数据对CNN模型进行训练，有望进一步对现有的CNN模型进行改进，从而提高模型对PC患者骨转移诊断的准确率。

锆标记的去铁胺MSTP2109A抗体PET/CT

前列腺六跨膜上皮抗原-1(six-transmembraneepithelialantigenofprostate-1，STEAP1)是一个含339个氨基酸的细胞表面标志，它们在PC中高表达，也存在于其他癌症中，但是与其他正常组织几乎没有交叉反应[16-17]。MSTP2109A是一种人源化IgG1单克隆抗体，可与STEAP1特异性结合。Carrasquillo等

[18]

对锆标记的去铁胺(zirconium-defetoxamine，Zr-DFO)-MSTP2109A在mCRPC患者中的显像能力进行前瞻性单中心研究，结果发现骨转移灶对Zr-DFO-MSTP2109A的中位SUVmax为20.6，明显优于之前报道的Zr-DFO-huJ591抗PSMA药物(平均SUVmax为8.9)和Zr-IAB2M抗PSMA微体(平均SUVmax为13.8)

[19-20]

，

Zr-DFO-MSTP2109A显示骨转移的真阳性率为86%

(95%可信区间为75%~100%)。此项研究入组患者只有19例，需要更大的多中心研究来进一步证实Zr-DFO-MSTP2109A的诊断效能。根据目前研究结果，

Zr-DFO-MSTP2109A值得深入研究，并且基于

MSTP2109A的抗体-药物结合物(antibody-drugconjugate，ADC)的治疗也为mCRPC患者提供了新的治疗方案，在Carrasquillo等的研究中15名患者接受ADC治疗，其中6名由于不良反应终止治疗，最后因患者数量过少而无法对疗效进行准确评估。MSTP2109A在骨转移的诊断与治疗中都存在潜在的价值，有希望为mCRPC患者提供新的希望，后续相关研究成果值得期待。

[18]

©JournalofCentralSouthUniversity(MedicalScience).Allrightsreserved.

1150

中南大学学报(医学版),2021,46(10)http://xbyxb.csu.edu.cn

4BSI

BSI是为了量化骨骼受累情况而被提出的，通过观察骨骼的受累情况，获得受累骨骼重量占总骨骼重量的比值，从而量化骨骼受累情况[32]。Petersen等[33]发现：当BSI截断为0%时，诊断PC患者无骨转移的敏感性为96%，但特异性只有38%；而当BSI截断为1%时，诊断时敏感性为98%，但特异性只有58%。Wuestemann等[34]通过对951例PC患者的BSI与是否存在骨转移进行研究，其中BSI的值由接受骨转移性PC患者BS结果训练过的CNN模型自动计算获得，结果发现在截断值为0.27%时，骨转移诊断的敏感性及特异性达到最高(分别为87%和99%)。将CNN与BSI联合使用可显著提高BS对骨转移诊断的敏感性及特异性，Motegi等[11]也提出将BSI与TUB联合使用有望提高对PC患者骨转移的诊断效能。Alshehri等[35]设计了一套转移性骨扫描工具(metastaticbonescantool，MetsBST)对BS结果进行解读，并与现有的自动BSI(automatedbonescanindex，ABSI)软件结果对比，发现MetsBST对骨转移的判读效能与ABSI有良好的一致性(R2=0.91)。更重要的是，MetsBST可以评估不同区域骨转移病灶对于治疗疗效的反应，并且发现在前列腺与盆腔区域223镭联合外照射放射治疗效果较好，而脊柱区域单独接受223镭、不接受外照射放射治疗的效果较好。这也为今后新治疗方案的评估提供了依据，更有利于指导个体化治疗方案的制订。

(volumefractionoftheextravascularextracellularmatrix，Ve)，来区分骨转移与良性红骨髓沉积。结果发现：Ktrans、Kep、Ve、ADC的AUC值分别为0.6、0.844、0.812、0.724，具有较好的鉴别效能。结果还表明DCEMRI药代动力学参数对于鉴别骨转移与良性红骨髓沉积效能高于其他指标，如果将不同指标进行联合参考，有望能进一步提高鉴别诊断效能。Arita等[38]对合成磁共振成像(syntheticmagneticresonanceimaging，SyMRI)在PC患者中诊断骨转移的可行性进行了前瞻性研究，SyMRI可以产生各种图像的对比度，通过调整参数值使病变更加直观，还可以对纵向弛豫时间(longitudinalrelaxationtime，T1)、横向弛豫时间(transverserelaxationtime，T2)和质子密度(protondensity，PD)进行定量分析[39]。结果发现PD值对于区分存在成骨改变的CT成像中的骨转移患者有显著的作用，将结果分别与两位专家得出的结果相比，PD的诊断效能分别为0.93与0.92，有较高的鉴别准确性。在骨转移的诊断中，MRI与PET/CT的诊断效能明显优于CT[40-41]，而骨转移PC患者在接受治疗后可能会出现闪烁现象和成骨细胞的活化，使原有骨转移病灶进一步扩大，从而导致CT的诊断效能进一步降低。但CT作为PC患者随访的常规检查，相比MRI与PET/CT，提高CT图像对骨转移病灶的诊断效能更有意义。Acar等[42]通过机器学习算法联合CT纹理分析(纹理分析可以反映组织的异质性，能够评价图像中的灰度强度分布和空间结构[43])对治疗后的骨转移灶进行区分，分别应用决策树、判别分析、支持向量机(supportvectormachine，SVM)、k近邻(knearestneighbor，KNN)、集成分类器等学习方法区分骨转移灶治疗后的反应，以了解是进一步进展还是好转。在骨转移组和治疗好转组中获得了28种有统计学意义的纹理数据，其中灰度区长度矩阵-短区高灰度级因子(graylevelzone-length

matrix_short

zone

high

gray-level

emphasis，GLZLM_SZHGE)和基于直方图的峰度值是区分骨转移病灶进展与好转的最佳参数。结合加权KNN算法与CT纹理分析的诊断效能为0.76，具有较好的诊断效能。虽然其效能低于MRI与PET/CT，但是仍高于单纯CT与BS，随着人工智能的飞快发展，CT成像在骨转移PC患者中的随访价值有望进一步增加。Wang等[44]研究者对多参数MRI(multiparameter-MRI，mp-MRI)在PC患者发生骨转移的预测中的作用进行研究，通过长期随访，将176例患者分为骨转移组与无骨转移组(无骨转移组随访>24个月)，分别提取T2加权像(weightedimage，WI)与DCET1WI中的976个纹理特征，最终获得15个有统

5CT与MRI

在鉴别骨转移病灶的过程中，CT与MRI有着独特的作用，尤其是当ECT结果不能明确是否存在骨转移病灶时。正常的红骨髓在MRI中纵向弛豫时间加权像(longitudinalrelaxationtimeweightedimage，T1WI)上的信号高于T1WI上的肌肉或椎间盘，而骨转移病灶在T1WI上的信号低于肌肉或椎间盘，但良性红骨髓沉积在T1WI上的信号与骨转移灶相似[36]。Park等[37]对36例PC患者进行分析，结果为骨转移病灶22例，良性红骨髓沉积病灶14例。通过获得T1WI、弥散加权成像(diffusionweightedimaging，DWI)和动态增强(dynamiccontrastenhanced，DCE)MRI中的5个参数，即病变-肌肉比(lesion-muscleratio，LMR)、表观弥散系数(apparentdiffusioncoefficient，ADC)和DCE-MRI药代动力学参数—容量转移常数(volumetransferconstant，Ktrans)、反流率(refluxrate，Kep)和血管外细胞外基质体积分数

©JournalofCentralSouthUniversity(MedicalScience).Allrightsreserved.

前列腺癌骨转移诊断的研究进展刘俊，等

SPECT,

[6]

18

1151

18

计学意义的纹理特征，结果发现纹理特征、游离前列腺癌特异性抗原(free-prostatespecificantigen，F-PSA)与Gleason评分与预测PC患者发生骨转移相关，并且将mp-MRI纹理特征与F-PSA、年龄、Gleason评分结合预测PC患者发生骨转移的效能为0.916。值得注意的是，该研究[44]发现PSA水平与骨转移没有显著相关性，而F-PSA与骨转移的发生密切相关(P<0.01)。随着研究的不断深入，发现MRI与CT的临床价值越来越大，在预测骨转移的发生、诊断以及随访中都有重要意义，并且通过新技术、不同指标的联合应用有望进一步提升诊断效能。

综上所述，PC患者正确诊断是否存在早期骨转移对治疗方案的制订有重要意义，与患者的预后显著相关。对于骨转移患者的诊断最常用的是ECT，随着影像学技术及人工智能的发展，越来越多的方法被用来弥补ECT检查的缺点。目前诊断效能最高的是PSMAPET/CT，随着纹理计算、深度学习计算研究的深入，MRI与CT对于诊断骨转移灶的效能也明显提升，尤其是在患者随访过程中可以有效评价骨转移灶的反应，通过BS中的SUV也可进一步提升BS的诊断效能。随着MSTP2109A研究的深入，有望在提高骨转移诊断效能的同时对摄取灶达到治疗的效果。在PET/CT还未能普及的今天，CT、MRI与BS诊断效能的提升有重要意义，而且PET/CT价格昂贵，在患者治疗后的随访过程中很难成为常规随访项目用来评价治疗后效果。诊断技术的进步可以提升CT、MRI与BS对骨转移灶的诊断效能，既可以帮助临床医生更加准确地判断PC患者是否存在骨转移，又可以对PC患者的治疗效果进行有效评估，从而指导治疗方案的制订及调整。

利益冲突声明：作者声称无任何利益冲突。

[14][13][12][11][10][9][8][7]

F-fluoridePET,andF-fluoridePET/CT[J].JNucl

Med,2006,47(2):287-297.

CornfordP,BellmuntJ,BollaM,etal.EAU-ESTRO-SIOGguidelinesonprostatecancer.PartII:Treatmentofrelapsing,metastatic,andcastration-resistantprostatecancer[J].EurUrol,2017,71(4):630-2.

RyanCJ,SmithMR,FizaziK,etal.Abirateroneacetateplusprednisoneversusplaceboplusprednisoneinchemotherapy-naivemenwithmetastaticcastration-resistantprostatecancer(COU-AA-302):

final

overall

survival

analysis

of

a

randomised,double-blind,placebo-controlledphase3study[J].LancetOncol,2015,16(2):152-160.

SahaS,BurkeC,DesaiA,etal.SPECT-CT:applicationsinmusculoskeletalradiology[J].BrJRadiol,2013,86(1031):20120519.

StrobelK,BurgerC,SeifertB,etal.Characterizationoffocalbonelesionsintheaxialskeleton:performanceofplanarbonescintigraphycomparedwithSPECTandSPECTfusedwithCT[J].AmJRoentgenol,2007,188(5):467-474.

TabottaF,JreigeM,SchaeferN,etal.QuantitativeboneSPECT/CT:highspecificityforidentificationofprostatecancerbonemetastases[J].BMCMusculoskelDis,2019,20(1):619-625.

MotegiK,MatsutomoN,YamamotoT,etal.Evaluationofbonemetastasisburdenasanimagingbiomarkerbyquantitativesingle-photonemissioncomputedtomography/computedtomographyforassessingprostatecancerwithbonemetastasis:aphantomandclinicalstudy[J].RadiolPhysTechnol,2020,13(3):219-229.

ZhouJ,GouZ,WuR,etal.ComparisonofPSMA-PET/CT,choline-PET/CT,NaF-PET/CT,MRI,andbonescintigraphyinthediagnosisofbonemetastasesinpatientswithprostatecancer:asystematicreviewandmeta-analysis[J].SkeletalRadiol,2019,48(12):1915-1924.

ZachoHD,JochumsenMR,LangkildeNC,etal.Noaddedvalueof18F-sodiumfluoridePET/CTforthedetectionofbonemetastasesinpatientswithnewlydiagnosedprostatecancerwithnormalbonescintigraphy[J].JNuclMed,2019,60(12):1713-1716.

ZachoHD,RavnS,Afshar-OromiehA,etal.Addedvalueof68Ga-PSMAPET/CTforthedetectionofbonemetastasesinpatientswithnewlydiagnosedprostatecancerandaprevious

99m

参考文献

[1]

FerlayJ,ColombetM,SoerjomataramI,etal.Estimatingtheglobalcancerincidenceandmortalityin2018:GLOBOCANsourcesandmethods[J].IntJCancer,2019,144(8):1941-1953.

[2]

LiuX,YuC,BiY,etal.Trendsandage-period-cohorteffectonincidenceandmortalityofprostatecancerfrom1990to2017inChina[J].PublicHealth,2019,172:70-80.

[3][4]

SiegelRL,MillerKD,JemalA.Cancerstatistics,2019[J].CACancerJClin,2019,69(1):7-34.

ShouJ,ZhangQ,WangS,etal.Theprognosisofdifferentdistantmetastasespatterninprostatecancer:Apopulationbasedretrospectivestudy[J].Prostate,2018,78(7):491-497.

[5]

EvensapirE,MetserU,MishaniE,etal.Thedetectionofbonemetastasesinpatientswithhigh-riskprostatecancer:

99m

Tcbonescintigraphy[J].EJNMMIRes,2020,10(1):31-39.

[15]CaglarM,TuncelM,YildizE,etal.Bonescintigraphyasagatekeeperforthedetectionofbonemetastasesinpatientswithprostatecancer:comparisonwithGa-68PSMAPET/CT[J].AnnNuclMed,2020,34(12):932-941.

[16]HubertRS,VivancoI,ChenE,etal.STEAP:Aprostate-specificcell-surfaceantigenhighlyexpressedinhumanprostatetumors[J].ProcNatlAcadSciUSA,1999,96(25):14523-14528.

[17]MoreauxJ,KassambaraA,HoseD,etal.STEAP1isoverexpressedincancers:Apromisingtherapeutictarget[J].BiochemBiophResCo,2012,429(3/4):148-155.

[18]CarrasquilloJA,FineBM,Pandit-TaskarN,etal.Imagingmetastaticcastration-resistantprostatecancerpatientswithZr-DFO-MSTP2109Aanti-STEAP1antibody[J].JNuclMed,

Tc-

MDPPlanarbonescintigraphy,single-andmulti-field-of-view

©JournalofCentralSouthUniversity(MedicalScience).Allrightsreserved.

1152

中南大学学报(医学版),2021,46(10)http://xbyxb.csu.edu.cn

2019,60(11):1517-1523.

performance[J].Cancers,2020,12(9):26-2666.

[35]

AlshehriAHD,OsmanSOS,PriseKM,etal.Anoveltoolforimprovingtheinterpretationofisotopebonescansinmetastaticprostatecancer[J].BrJRadiol,2020,93(1115):20200775-20200783.

[36]

KimYP,KannengiesserS,PaekMY,etal.Differentiationbetweenfocalmalignantmarrow-replacinglesionsandbenignredmarrowdepositionofthespinewithT2*-correctedfat-signalfractionmapusingathree-echovolumeinterpolatedbreath-holdgradientechodixonsequence[J].KoreanJRadiol,2014,15(6):781-791.

[37]

ParkS,ParkJG,JunS,etal.DifferentiationofbonemetastasesfromprostatecancerandbenignredmarrowdepositionsofthepelvicbonewithmultiparametricMRI[J].MagnResonImaging,2020,73(3):118-124.

[38]

AritaY,TakaharaT,YoshidaS,etal.Quantitativeassessmentofbonemetastasisinprostatecancerusingsyntheticmagneticresonanceimaging[J].InvestRadiol,2019,(10):638-4.

[39]

HagiwaraA,WarntjesM,HoriM,etal.SyMRIofthebrain:rapidquantificationofrelaxationratesandprotondensity,withsyntheticMRI,automaticbrainsegmentation,andmyelinmeasurement[J].InvestRadiol,2017,52(10):7-657.

[40]

FilogranaL,LenkowiczJ,CelliniF,etal.Identificationofthemostsignificantmagneticresonanceimaging(MRI)radiomicfeaturesinoncologicalpatientswithvertebralbonemarrowmetastaticdisease:Afeasibilitystudy[J].RadiolMed,2019,124(1):50-57.

[41]

ArvolaS,JamborI,KuismaA,etal.Comparisonofstandardizeduptakevaluesbetween99mTc-HDPSPECT/CTand

18

[19]Pandit-TaskarN,O􀆳DonoghueJA,DurackJC,etal.APhaseI/IIstudyforanalyticvalidationofZr-J591immunoPETasamolecularimagingagentformetastaticprostatecancer[J].ClinCancerRes,2015,21(23):5277-5285.

[20]Pandit-TaskarN,O􀆳DonoghueJA,RuanST,etal.First-in-humanimagingwith

Zr-Df-IAB2Manti-PSMAminibodyin

patientswithmetastaticprostatecancer:Pharmacokinetics,biodistribution,dosimetry,andlesionuptake[J].JNuclMed,2016,57(12):1858-18.

[21]

SklanJE,PlassardAJ,FabbriD,etal.Towardcontentbasedimageretrievalwithdeepconvolutionalneuralnetworks[J].ProcSPIEIntSocOptEng,2015,9417:94172C.

[22]

ToledanoDT,Fernández-GallegoMP,Lozano-DiezA.Multi-resolutionspeechanalysisforautomaticspeechrecognitionusingdeepneuralnetworks:ExperimentsonTIMIT[J].PLoSOne,2018,13(10):e0205355.

[23]

BiswasM,KuppiliV,SabaL,etal.State-of-the-artreviewondeeplearninginmedicalimaging[J].FrontBiosci(LandmarkEd),2019，1(24):392-426.

[24][25]

ShenD,WuG,SukHI.Deeplearninginmedicalimageanalysis[J].AnnuRevBiomedEng,2017,19(1):221-248.AokiY,NakayamaM,NomuraK,etal.Theutilityofadeeplearning-basedalgorithmforbonescintigraphyinpatientwithprostatecancer[J].AnnNuclMed,2020,34(12):926-931.

[26]

ShimizuA,WakabayashiH,KanamoriT,etal.Automatedmeasurementofbonescanindexfromawhole-bodybonescintigram[J].IntJComputAssRad,2020,15(3):3-400.

[27]

PapandrianosN,PapageorgiouEI,AnagnostisA.DevelopmentofConvolutionalNeuralNetworkstoidentifybonemetastasisforprostatecancerpatientsinbonescintigraphy[J].AnnNuclMed,2020,34(11):824-832.

[28]

PapandrianosN,PapageorgiouE,AnagnostisA,etal.Bonemetastasisclassificationusingwholebodyimagesfromprostatecancerpatientsbasedonconvolutionalneuralnetworksapplication[J].PLoSOne,2020，15(8):e0237213.

[29]

ZhangYY,MiX,TanX,etal.Recentprogressonliquidbiopsyanalysisusingsurface-enhancedramanspectroscopy[J].Theranostics,2019,9(2):491-525.

[30]

LiuJ,OsadchyM,AshtonL,etal.DeepconvolutionalneuralnetworksforRamanspectrumrecognition:aunifiedsolution[J].Analyst,2017,142(21):4067-4074.

[31]

ShaoXG,ZhangH,WangYQ,etal.DeepconvolutionalneuralnetworkscombineRamanspectralsignatureofserumforprostatecancerbonemetastasesscreening[J].Nanomedicine,2020,29:102245.

[32]

ImbriacoM,LarsonSM,YeungHW,etal.Anewparameterformeasuringmetastaticboneinvolvementbyprostatecancer:thebonescanindex[J].ClinCancerRes,1998,4(7):1765-1772.

[33]

PetersenLJ,MortensenJC,BertelsenH,etal.Prospectiveevaluationofcomputer-assistedanalysisofskeletallesionsforthestagingofprostatecancer[J].BMCMedImaging,2017,17(1):40-45.

[34]

WuestemannJ,HupfeldS,KupitzD,etal.Analysisofbonescansinvarioustumorentitiesusingadeep-learning-basedartificialneuralnetworkalgorithm-evaluationofdiagnostic

[44][43][42]

F-NaFPET/CTinbonemetastasesofbreastandprostate

cancer[J].EJNMMIRes,2019,9(1):6-14.

AcarE,LeblebiciA,EllidokuzBE,etal.Machinelearningfordifferentiatingmetastaticandcompletelyrespondedscleroticbonelesioninprostatecancer:Aretrospectiveradiomicsstudy[J].BrJRadiol,2019,92(1101):20190286-20190294.ScalcoE,RizzoG.Textureanalysisofmedicalimagesforradiotherapyapplications[J].BrJRadiol,2017,90(1070):201602-20160656.

WangY,YuB,ZhongF,etal.MRI-basedtextureanalysisoftheprimarytumorforpre-treatmentpredictionofbonemetastasesinprostatecancer[J].MagnResonImaging,2019,60:76-84.

（本文编辑傅希文）

本文引用：刘俊,董永超,徐东波,张春雷,蓝天,常德辉.前列腺癌骨转移诊断的研究进展[J].中南大学学报(医学版),2021,46(10):1147-1152.DOI:10.11817/j.issn.1672-7347.2021.200999Citethisarticleas:LIUJun,DONGYongchao,XUDongbo,ZHANGChunlei,LANTian,CHANGDehui.Progressindiagnosisofbonemetastasisofprostatecancer[J].JournalofCentralSouthUniversity.MedicalScience,2021,46(10):1147-1152.DOI:10.11817/j.issn.1672-7347.2021.200999

©JournalofCentralSouthUniversity(MedicalScience).Allrightsreserved.