Radiomics Analysis of Multiparametric PET/MRI for N- and M-Staging in Patients with Primary Cervical Cancer

Zielsetzung Ziel dieser Studie war die Evaluierung des prädiktiven Potenzials der Radiomics-Analyse zur Bestimmung des N- und M-Stadiums des primären Zervixkarzinoms anhand multiparametrischer 18F-FDG-PET/MRT-Bildgebung.

Material und Methoden 30 Patientinnen mit einem histologisch gesicherten, primären und therapienaiven Zervixkarzinom unterzogen sich einer multiparametrischen 18F-FDG-PET/MRT-Untersuchung unter Verwendung eines dedizierten Untersuchungsprotokolls des weiblichen Beckens. Nach Segmentierung der Primärtumoren wurden quantitative Bildparameter mittels der Radiomic-Image-Processing-Toolbox bestimmt. Insgesamt wurden 45 verschiedene quantitative Bildmerkmale jeweils anhand der T2-gewichteten TSE-Sequenzen, der nativen und kontrastmittelgestützten T1-gewichteten TSE-Sequenzen, der ADC-Map, verschiedenen Perfusionsparametern (Ktrans, Kep, Ve and iAUC) und den 18F-FDG-PET-Datensätzen für jeden Tumor extrahiert. Die statistische Analyse zur Bestimmung des N- und M-Stadiums erfolgte unter der Verwendung der Python 3.5 und Scikit-learn-Software-Bibliothek für maschinelles Lernen.

Ergebnisse Insgesamt zeigte sich eine höhere Genauigkeit zur Prädiktion des korrekten M-Stadiums im Vergleich zum N-Stadium. Zur Prädiktion des korrekten M-Stadiums zeigten sich unter der Verwendung von SVM und SVM-RFE zur Feature-Auswahl die besten Ergebnisse mit einer Sensitivität von 91 %, einer Spezifität von 92 % und einer Fläche unter der Kurve (AUC) von 0,97. Die höchste Genauigkeit für die Bestimmung des N-Stadiums erfolgte unter der Verwendung von RBF-SVM und MIFS zur Feature-Auswahl mit einer Sensitivität von 83 %, einer Spezifität von 67 % und einer Fläche unter der Kurve (AUC) von 0,82.

Schlussfolgerung Die Radiomics-Analyse von multiparametrischen PET/MR-Datensätzen ermöglicht eine präzise Prädiktion des M- und N-Stadiums von Patientinnen mit primärem Zervixkarzinom und könnte damit supportiv zur nichtinvasiven Tumor-Phänotypisierung und Patientenstratifizierung eingesetzt werden.

Kernaussagen: 

Citation Format