Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phương pháp học máy dựa trên delta-radiomics trong việc đánh giá ung thư biểu mô phổi tuyến nguyên phát nhiều ổ
Tóm tắt
Để đánh giá sự khác biệt giữa ung thư biểu mô phổi tuyến nguyên phát nhiều ổ (MPLA) và ung thư biểu mô phổi tuyến nguyên phát đơn độc (SPLA) thông qua các thuật toán học máy dựa trên delta-radiomics trong hình ảnh CT. Tổng cộng 1094 bệnh nhân, bao gồm 268 trường hợp MPLA và 826 trường hợp SPLA, được tuyển chọn cho nghiên cứu hồi cứu này từ năm 2014 đến 2020. Sau khi phân đoạn khối lượng quan tâm, các đặc điểm radiomic được tính toán tự động. Các bệnh nhân được phân loại thành tập huấn luyện và tập kiểm tra theo tỷ lệ ngẫu nhiên 7:3. Sau khi chọn lọc đặc điểm, các bộ phân loại liên quan được xây dựng bằng các thuật toán học máy như Bayes, cây quyết định, k-láng giềng gần nhất, hồi quy logistic, máy vector hỗ trợ, và cây quyết định. Độ lệch chuẩn tương đối (RSD) được tính toán và mô hình phân loại với RSD tối thiểu được chọn cho phân tích delta-radiomics nhằm khám phá sự biến đổi của khối u trong quá trình giám sát theo dõi của nhóm 225 MPLAs và 320 SPLAs. Dựa theo thời gian theo dõi khác nhau, chúng được chia thành nhóm A (3–12 tháng), nhóm B (13–24 tháng), và nhóm C (25–48 tháng). Sau đó, các bộ phân loại delta-radiomics tương ứng được phát triển để dự đoán MPLAs. Diện tích dưới đường cong nhận diện (AUC) với khoảng tin cậy 95% (CI) được định lượng để đánh giá hiệu quả của mô hình. Đối với phân tích radiomics, bộ phân loại rừng (FC-radio) với RSD tối thiểu cho thấy sự ổn định tốt hơn với AUC lần lượt là 0.840 (95%CI, 0.810–0.867) và 0.670 (95%CI, 0.611–0.724) trong tập huấn luyện và tập kiểm tra. AUC của bộ phân loại rừng dựa trên delta-radiomics (FC-delta) cao hơn so với FC-radio. Hơn nữa, với sự kéo dài của thời gian theo dõi, hiệu suất của FC-delta ở Nhóm C là tốt nhất với AUC là 0.998 (95%CI, 0.993–1.000) trong tập huấn luyện và 0.853 (95%CI, 0.752–0.940) trong tập kiểm tra. Phương pháp học máy dựa trên radiomics và delta-radiomics đã giúp phân biệt SPLAs và MPLAs. FC-delta với thời gian theo dõi dài hơn có thể phân biệt tốt hơn giữa SPLAs và MPLAs.
Từ khóa
#ung thư phổi #học máy #delta-radiomics #radiomics #ung thư biểu mô phổi tuyến nguyên phát #phân loạiTài liệu tham khảo
Chen W, Zheng R, Baade PD, et al. Cancer statistics in China, 2015. CA Cancer J Clin. 2016;66(2):115–32.
Yang D, Liu Y, Bai C, et al. Epidemiology of lung cancer and lung cancer screening programs in China and the United States. Cancer Lett. 2020;468:82–7.
Haraguchi S, Hioki M, Koizumi K, et al. Characteristics of multiple primary malignancies associated with lung cancer by gender. Respiration. 2007;74(2):192–5.
Mariotto AB, Rowland JH, Ries LA, et al. Multiple cancer prevalence: a growing challenge in long-term survivorship. Cancer Epidemiol Biomarkers Prev. 2007;16(3):566–71.
Martini N, Melamed MR. Multiple primary lung cancers. J Thorac Cardiovasc Surg. 1975;70(4):606–12.
Shen KR, Meyers BF, Larner JM, et al. Special treatment issues in lung cancer: ACCP evidence-based clinical practice guidelines (2nd edition). Chest. 2007;132(3 Suppl):290S-305S.
Shintani Y, Okami J, Ito H, et al. Clinical features and outcomes of patients with stage I multiple primary lung cancers. Cancer Sci. 2021;112(5):1924–35.
Duchateau CS, Stokkel MP. Second primary tumors involving non-small cell lung cancer: prevalence and its influence on survival. Chest. 2005;127(4):1152–8.
Stefano A, Comelli A, Bravatà V, et al. A preliminary PET radiomics study of brain metastases using a fully automatic segmentation method. BMC Bioinformatics. 2020;21(Suppl 8):325.
Gillies RJ, Kinahan PE, Hricak H. Radiomics: images are more than pictures, they are data. Radiology. 2016;278(2):563–77.
Peeken JC, Asadpour R, Specht K, et al. MRI-based delta-radiomics predicts pathologic complete response in high-grade soft-tissue sarcoma patients treated with neoadjuvant therapy. Radiother Oncol. 2021;164:73–82.
Koivu A, Sairanen M, Airola A, et al. Synthetic minority oversampling of vital statistics data with generative adversarial networks. J Am Med Inform Assoc. 2020;27(11):1667–74.
Jung EJ, Lee JH, Jeon K, et al. Treatment outcomes for patients with synchronous multiple primary non-small cell lung cancer. Lung Cancer. 2011;73(2):237–42.
Chen D, Mei L, Zhou Y, et al. A novel differential diagnostic model for multiple primary lung cancer: differentially-expressed gene analysis of multiple primary lung cancer and intrapulmonary metastasis. Oncol Lett. 2015;9(3):1081–8.
Komatsu H, Izumi N, Tsukioka T, et al. Prognosis associated with synchronous or metachronous multiple primary malignancies in patients with completely resected non-small cell lung cancer. Surg Today. 2019;49(4):343–9.
Lee J, Steinmann A, Ding Y, et al. Radiomics feature robustness as measured using an MRI phantom. Sci Rep. 2021;11(1):3973.
Tanjak P, Suktitipat B, Vorasan N, et al. Risks and cancer associations of metachronous and synchronous multiple primary cancers: a 25-year retrospective study. BMC Cancer. 2021;21(1):1045.
Utada M, Ohno Y, Hori M, et al. Incidence of multiple primary cancers and interval between first and second primary cancers. Cancer Sci. 2014;105(7):890–6.
Girard N, Ostrovnaya I, Lau C, et al. Genomic and mutational profiling to assess clonal relationships between multiple non-small cell lung cancers. Clin Cancer Res. 2009;15(16):5184–90.
Romaszko AM, Doboszyńska A. Multiple primary lung cancer: a literature review. Adv Clin Exp Med. 2018;27(5):725–30.
Fleckenstein J, Petroff A, Schäfers HJ, et al. Long-term outcomes in radically treated synchronous vs. metachronous oligometastatic non-small-cell lung cancer. BMC Cancer. 2016;16:348.
Jiang L, He J, Shi X, et al. Prognosis of synchronous and metachronous multiple primary lung cancers: systematic review and meta-analysis. Lung Cancer. 2015;87(3):303–10.
Lv J, Zhu D, Wang X, et al. The value of prognostic factors for survival in synchronous multifocal lung cancer: a retrospective analysis of 164 patients. Ann Thorac Surg. 2018;105(3):930–6.
Ma Y, Ma W, Xu X, et al. How Does the Delta-Radiomics Better Differentiate Pre-Invasive GGNs From Invasive GGNs? Front Oncol 2020, 16(10). https://doi.org/10.3389/fonc.2020.01017.
van Rens MT, Zanen P, Brutel de La Rivière A, et al. Survival in synchronous vs. single lung cancer: upstaging better reflects prognosis. Chest. 2000;118(4):952–8.
Yu YC, Hsu PK, Yeh YC, et al. Surgical results of synchronous multiple primary lung cancers: similar to the stage-matched solitary primary lung cancers? Ann Thorac Surg. 2013;96(6):1966–74.
Detterbeck FC, Jones DR, Kernstine KH, et al. Lung cancer. Special treatment issues. Chest. 2003;123(1 Suppl):244S-258S.
Antakli T, Schaefer RF, Rutherford JE, et al. Second primary lung cancer. Ann Thorac Surg. 1995;59(4):863–6.
Ullah A, Munagala R, Mishra P, et al. Small cell carcinoma of the lung in a patient with previously treated synchronous adenocarcinoma and squamous cell carcinoma. Lung India. 2021;38(3):263–5.