膀胱癌の病理学的悪性度を予測するためのCTベースのラジオミクス

CT-based radiomics to predict the pathological grade of bladder cancer.

• Gumuyang Zhang
• Lili Xu
• Lun Zhao
• Li Mao
• Xiuli Li
• Zhengyu Jin
• Hao Sun

抄録

目的:

膀胱癌（BCa）の病理学的悪性度を予備的に予測するためのCTベースのラジオミクスモデルを構築すること。

OBJECTIVE: To build a CT-based radiomics model to predict the pathological grade of bladder cancer (BCa) preliminarily.

方法:

外科的に切除され病理学的にBCaが確認された患者で、2014年10月から2017年9月までに当院でCT 尿路造影検査（CTU）を受けた患者をレトロスペクティブに登録し、トレーニング群とバリデーション群に無作為に分けた。特徴抽出後、特徴間の線形従属係数を算出し、共線性を除去した。その後、F-検定を用いて病理学的グレードに関連する最良の特徴を同定した。予測モデルの構築にはロジスティック回帰法を用い、レシーバー操作特性（ROC）曲線をプロットし、曲線下面積（AUC）、感度、特異度、正の予測値（PPV）、負の予測値（NPV）を計算することで診断性能を分析した。

METHODS: Patients with surgically resected and pathologically confirmed BCa and who received CT urography (CTU) in our institution from October 2014 to September 2017 were retrospectively enrolled and randomly divided into training and validation groups. After feature extraction, we calculated the linear dependent coefficient between features to eliminate the collinearity. F-test was then used to identify the best features related to pathological grade. The logistic regression method was used to build the prediction model, and diagnostic performance was analyzed by plotting receiver operating characteristic (ROC) curve and calculating area under the curve (AUC), sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV).

結果:

対象となった145例のうち、108例がトレーニング群、37例がバリデーション群であった。BCaの病理学的悪性度を診断するためのラジオミクス予測モデルのAUC値は，トレーニング群で0.950（95％信頼区間[CI] 0.912-0.988），バリデーション群で0.860（95％CI 0.742-0.979）であった．バリデーション群では、診断精度は83.8％、感度は88.5％、特異度は72.7％、PPVは88.5％、NPVは72.7％であった。

RESULTS: Out of 145 included patients, 108 constituted the training group and 37 the validation group. The AUC value of the radiomics prediction model to diagnose the pathological grade of BCa was 0.950 (95% confidence interval [CI] 0.912-0.988) in the training group and 0.860 (95% CI 0.742-0.979) in the validation group, respectively. In the validation group, the diagnostic accuracy, sensitivity, specificity, PPV, and NPV were 83.8%, 88.5%, 72.7%, 88.5%, and 72.7%, respectively.

結論:

CTベースのラジオミクスモデルは高悪性度BCaと低悪性度BCaをかなり良好な診断性能で鑑別することができる。

CONCLUSIONS: CT-based radiomics model can differentiate high-grade from low-grade BCa with a fairly good diagnostic performance.

キーポイント:

-このモデルは高悪性度と低悪性度の膀胱癌の鑑別に優れた診断性能を有しており，術前の非侵襲的な予測法として生検に加えて重要なものとなる可能性がある．

KEY POINTS: •CT-based radiomics model can predict the pathological grade of bladder cancer. •This model has good diagnostic performance to differentiate high-grade and low-grade bladder cancer. •This preoperative and non-invasive prediction method might become an important addition to biopsy.