CTテクスチャ解析に基づいた良性および悪性の1cm以下の肺基底ガラス結節の非侵襲的評価

Non-invasive evaluation for benign and malignant subcentimeter pulmonary ground-glass nodules (≤1 cm) based on CT texture analysis.

• Xianghua Hu
• Weichuan Ye
• Zhongxue Li
• Chunmiao Chen
• Shimiao Cheng
• Xiuling Lv
• Wei Weng
• Jie Li
• Qiaoyou Weng
• Peipei Pang
• Min Xu
• Minjiang Chen
• Jiansong Ji

抄録

目的:

CTテクスチャ解析に基づいて、1cm以下の肺腺硝子体下結節（SPGGN）の良性・悪性状態を予測するための診断モデルの可能性を検討する。

OBJECTIVES: To investigate potential diagnostic model for predicting benign or malignant status of subcentimeter pulmonary ground-glass nodules (SPGGNs) (≤1 cm) based on CT texture analysis.

方法:

89人の患者から合計89個のSPGGNが含まれており、51人の患者は腺癌と診断され、38人の患者は炎症性または感染性の良性SPGGNと診断された。Analysis Kit ソフトウェアを用いて、関心のある病変の体積を手動で抽出し、合計 396 個の定量的なテクスチャパラメータを抽出した。統計解析はＲソフトウェアを用いて行った。ＳＰＧＧＮを、トレーニングセット（＝５９）と検証セット（＝３０）にランダムに分割した。すべての事前正規化された（Zスコア）特徴量は、LASSOアルゴリズムを使用して次元削減にさらされ、トレーニングセットで最も有用な特徴が選択されました。選択された画像特徴は、その後、トレーニングとバリデーションセットでROC曲線分析によってさらに評価されたRADスコアに結合されました。

METHODS: A total of 89 SPGGNs from 89 patients were included; 51 patients were diagnosed with adenocarcinoma, and 38 were diagnosed with inflamed or infected benign SPGGNs. Analysis Kit software was used to manually delineate the volume of interest of lesions and extract a total of 396 quantitative texture parameters. The statistical analysis was performed using R software. The SPGGNs were randomly divided into a training set ( = 59) and a validation set ( = 30). All pre-normalized (Z-score) feature values were subjected to dimension reduction using the LASSO algorithm,and the most useful features in the training set were selected. The selected imaging features were then combined into a Rad-score, which was further assessed by ROC curve analysis in the training and validation sets.

結果:

4つの特徴的なパラメータ（ClusterShade_AllDirection_offset4_SD、ShortRunEmphasis_angle45_offset1、Maximum3DDiameter、SurfaceVolumeRatio）をLASSOによりさらに選択した（＜0.05）。イメージングバイオマーカーのクラスタとして、上記の4つのパラメータをRad-scoreを形成するために使用した。トレーニングセットにおける良性と悪性のSPGGNを区別するためのAUCは0.792（95％CI：0.671、0.913）であり、感度および特異度はそれぞれ86.10および65.20％であった。バリデーションセットのAUCは72.9％（95％CI：0.545、0.913）であり、感度は86.70、特異度は60％であった。

RESULTS: Four characteristic parameters (ClusterShade_AllDirection_offset4_SD, ShortRunEmphasis_angle45_offset1, Maximum3DDiameter, SurfaceVolumeRatio) were further selected by LASSO ( < 0.05). As a cluster of imaging biomarkers, the above four parameters were used to form the Rad-score. The AUC for differentiating between benign and malignant SPGGNs in the training set was 0.792 (95% CI: 0.671, 0.913), and the sensitivity and specificity were 86.10 and 65.20%, respectively. The AUC in the validation set was 72.9% (95% CI: 0.545, 0.913), and the sensitivity and specificity were 86.70 and 60%, respectively.

結論:

画像バイオマーカーのクラスターに基づく本診断モデルは、好ましくは良性と悪性のSPGGN（1cm以下）を区別することができる。

CONCLUSION: The present diagnostic model based on the cluster of imaging biomarkers can preferably distinguish benign and malignant SPGGNs (≤1 cm).

知識の進歩:

ＣＴ画像に基づくテクスチャ解析は、１ｃｍ以下の肺基底硝子体結節を正確に識別するための新しい信頼性の高い技術を提供する。

ADVANCES IN KNOWLEDGE: Texture analysis based on CT images provide a new and credible technique for accurate identification of subcentimeter pulmonary ground-glass nodules.