日本語AIでPubMedを検索
ランダムサバイバルフォレストを用いた息止めCT画像を用いた肺定位体放射線治療の予後予測へのラジオミクスアプローチの適用と限界．多施設共同研究
Application and limitation of radiomics approach to prognostic prediction for lung stereotactic body radiotherapy using breath-hold CT images with random survival forest: A multi-institutional study.
PMID: 32645224 DOI: 10.1002/mp.14380.
抄録
目的:
複数施設での定位放射線治療（SBRT）後の早期非小細胞肺がん（NSCLC）患者における局所再発（LR）および遠隔転移（DM）を、息止めCTをベースとしたランダムサバイバルフォレストを用いて予測することを目的とした。
PURPOSE: To predict local recurrence (LR) and distant metastasis (DM) in early-stage non-small-cell lung cancer (NSCLC) patients after stereotactic body radiotherapy (SBRT) in multiple institutions using breath-hold CT-based radiomic features with random survival forest.
方法:
2006年1月から2016年3月までの間にSBRTを受け、適格基準を満たした早期NSCLC患者573例を本研究に含めた。患者を2つのデータセットに分けた：トレーニング（10施設で464人の患者）とテスト（1施設で109人の患者）のデータセット。手動でセグメント化された腫瘍総体積（GTV）から、合計944個の放射線医学的特徴を抽出した。特徴量の選択は、セグメント間の再現性、GTVの相関性、特徴量間の冗長性を分析することによって行われた。組織学およびGTVサイズを含む9つの臨床因子も使用した。訓練データセットにおける競合リスクとしての全死亡に対処するために、ランダムサバイバルフォレスト（RSF）を用いてLRとDMの3つの予後モデル（臨床的、放射線医学的、複合的）を構築した。5倍のクロスバリデーションを用いて、最適なハイパーパラメータを持つロバストモデルを決定した。患者は、患者固有のリスクスコアの中央値に基づいて2つのグループ（高リスクスコア群と低リスクスコア群）に二分化された。2つのリスクスコア群間の統計的有意性を評価するためにグレイの検定を用いた。予後力は、ブートストラップ（2,000回反復）を介して95％信頼区間（CI）を持つC-indexで評価した。
METHODS: A total of 573 primary early-stage NSCLC patients who underwent SBRT between January 2006 and March 2016 and met the eligibility criteria were included in this study. Patients were divided into two datasets: training (464 patients in ten institutions) and test (109 patients in one institution) dataset. A total of 944 radiomic features were extracted from manually segmented gross tumor volumes (GTVs). Feature selection was performed by analyzing inter-segmentation reproducibility, GTV correlation, and inter-feature redundancy. Nine clinical factors, including histology and GTV size, were also used. Three prognostic models (clinical, radiomic, and combined) for LR and DM were constructed using random survival forest (RSF) to deal with total death as a competing risk in the training dataset. Robust models with optimal hyper-parameters were determined using 5-fold cross validation. The patients were dichotomized into two groups based on the median value of the patient-specific risk scores (high- and low-risk score groups). Gray's test was used to evaluate the statistical significance between the two risk score groups. The prognostic power was evaluated by the C-index with the 95% confidence intervals (CI) via bootstrapping (2,000 iterations).
結果:
臨床モデル、ラジオメトリックモデル、および複合モデルの3年後のコンコーダンス指数は、LRがそれぞれ0.57 [CI: 0.39-0.75]、0.55 [CI: 0.38-0.73]、0.61 [CI: 0.43-0.78]であったのに対し、DMは試験データセットでそれぞれ0.59 [CI: 0.54-0.79]、0.67 [CI: 0.54-0.79]、0.68 [CI: 0.55-0.81]であった。複合DMモデルは、高リスクスコア群と低リスクスコア群の間でその累積罹患率を有意に弁別した（p < 0.05）。DMの複合モデルにおけるRSFの重要度の変動は、2つの放射線医学的特徴が他の臨床的要因よりも重要であることを示していた。最も重要な放射線学的特徴に基づいて作成された特徴マップは、高リスク群と低リスク群の間で視覚的な違いがあった。
RESULTS: The concordance indices at 3 years of clinical, radiomic, and combined models for LR were 0.57 [CI: 0.39-0.75], 0.55 [CI: 0.38-0.73], and 0.61 [CI: 0.43-0.78], respectively, whereas those for DM were 0.59 [CI: 0.54-0.79], 0.67 [CI: 0.54-0.79], and 0.68 [CI: 0.55-0.81], respectively, in the test dataset. The combined DM model significantly discriminated its cumulative incidence between high- and low-risk score groups (p < 0.05). The variable importance of RSF in the combined model for DM indicated that two radiomic features were more important than other clinical factors. The feature maps generated on the basis of the most important radiomic feature had visual difference between high- and low-risk score groups.
結論:
息止めCTに基づくラジオミクス的特徴を用いた競合リスクに対するRSFを用いたラジオミクスアプローチは、SBRTを受けた早期NSCLC患者のDMを予測する可能性があるが、LRを予測する可能性はないかもしれない。
CONCLUSIONS: The radiomics approach with RSF for competing risks using breath-hold CT-based radiomic features might predict DM in early-stage NSCLC patients who underwent SBRT although that may not have potential to predict LR.
This article is protected by copyright. All rights reserved.