非小細胞肺癌患者の全生存期間を予測するための標準化されたCTラジオミクスモデルとロバストモデルの比較

Comparison of robust to standardized CT radiomics models to predict overall survival for non-small cell lung cancer patients.

• Diem Vuong
• Marta Bogowicz
• Sarah Denzler
• Carol Oliveira
• Robert Foerster
• Florian Amstutz
• Hubert S Gabryś
• Jan Unkelbach
• Sven Hillinger
• Sandra Thierstein
• Alexandros Xyrafas
• Solange Peters
• Miklos Pless
• Matthias Guckenberger
• Stephanie Tanadini-Lang

抄録

背景:

ラジオミクスは、新しい予後バイオマーカーを同定するための有望なツールである。ラジオミクスの特徴は、異なるスキャンプロトコルによって影響を受けることがあり、多くの場合、レトロスペクティブおよびプロスペクティブな臨床データに存在する。我々は、ロバストな特徴の事前選択が可能な大規模だが高度に不均質な多中心画像データセットに基づくCTベースのラジオミクスモデルと、事前選択なしの小規模だが標準化された画像データセットに基づくモデルを比較した。

BACKGROUND: Radiomics is a promising tool for the identification of new prognostic biomarkers. Radiomic features can be affected by different scanning protocols, often present in retrospective and prospective clinical data. We compared a CT based radiomics model based on a large but highly heterogeneous multi-centric image dataset with robust feature pre-selection to a model based on a smaller but standardized image dataset without pre-selection.

材料および方法:

一次腫瘍ラジオミクスは、スイスのプロスペクティブな多中心無作為化試験（n = 124、n = 14、SAKK-16/00）および検証データセット（n = 31、n = 1）から、IIIA/N2/IIIB NSCLC患者の治療前CTから抽出された。クラス内相関係数閾値＞0.9を用いてロバストな特徴を同定するために、観察者間の描出変動、動き、畳み込みカーネル、コントラストを調査する4つのロバスト性研究を実施した。2つの12ヶ月全生存（OS）ロジスティック回帰モデルを訓練した。(1)多中心の異種データセット全体を対象としたが、ロバストな特徴の事前選択（MCR）と、(2)全特徴を用いたより小さな標準化サブセット（STD）を対象とした。両モデルは、STDデータセットと同様の再構成パラメータで取得された検証データセットで検証された。モデルの性能は、デロング検定を用いて比較した。

MATERIALS AND METHODS: Primary tumor radiomics was extracted from pre-treatment CTs of IIIA/N2/IIIB NSCLC patients from a prospective Swiss multi-centric randomized trial (n = 124, n = 14, SAKK-16/00) and a validation dataset (n = 31, n = 1). Four robustness studies investigating inter-observer delineation variation, motion, convolution kernel and contrast were conducted to identify robust features using an intra-class correlation coefficient threshold > 0.9. Two 12-months overall survival (OS) logistic regression models were trained: (1) on the entire multi-centric heterogeneous dataset but with robust feature pre-selection (MCR) and (2) on a smaller standardized subset using all features (STD). Both models were validated on the validation dataset acquired with similar reconstruction parameters as the STD dataset. The model performances were compared using the DeLong test.

結果:

合計で113個の安定した特徴が同定された（n = 8、n = 0、n = 7、n = 98）。畳み込みカーネルは特徴のロバスト性に最も強い影響力を持っていた（20%未満の安定した特徴）。MCRとSTDの最終モデルは、それぞれ1つの特徴量と2つの特徴量から構成されていた。STDの特徴は、両方とも非ロバストであると識別された。MCRは検証コホートにおいてSTDと有意に異なる性能を示さなかった（AUC [95%CI] = 0.72 [0.48-0.95]、0.79 [0.63-0.95]、p=0.59）。

RESULTS: In total, 113 stable features were identified (n = 8, n = 0, n = 7, n = 98). The convolution kernel had the strongest influence on the feature robustness (less than 20% stable features). The final models of MCR and STD consisted of one and two features, respectively. The features of STD were identified both as non-robust. MCR did not show performance significantly different from STD on the validation cohort (AUC [95%CI] = 0.72 [0.48-0.95] and 0.79 [0.63-0.95], p=0.59).

結論:

NSCLCの予後OS CTラジオミクスモデルは、ロバストな特徴量の事前選択が可能な異種多中心画像データセットに基づいており、標準化されたデータセット上のモデルと同様に良好な結果を示した。

CONCLUSION: Prognostic OS CT radiomics model for NSCLC based on a heterogeneous multi-centric imaging dataset with robust feature pre-selection performed equally well as a model on a standardized dataset.

This article is protected by copyright. All rights reserved.