Modello clinico-radiomico basato sulla TC per prevedere la progressione e guidare l'applicabilità clinica nel cancro della testa e del collo localmente avanzato

Biomarcatori di imaging da scansioni TC basali per la stratificazione del rischio di progressione nel carcinoma squamocellulare della testa e del collo localmente avanzato (LAHNSCC).
Applicazione Oncologia

La sfida

La chemioradioterapia definitiva è attualmente il trattamento standard per il LAHNSCC. Tuttavia, le risposte dei pazienti al trattamento variano, con alcuni che sperimentano una progressione entro cinque anni dalla diagnosi. Di conseguenza, c'è un'urgente necessità di stratificare meglio il rischio di progressione alla diagnosi, aiutando i medici a prendere decisioni informate sul trattamento. Puntiamo a utilizzare biomarcatori di imaging derivati ​​da scansioni TC basali per classificare i pazienti in categorie di progressione ad alto o basso rischio.

La soluzione

In uno studio retrospettivo monocentrico, sono state raccolte scansioni TC basali e dati clinici di 171 pazienti LAHNSCC trattati con chemioradioterapia definitiva. La segmentazione del tumore è stata eseguita manualmente dai tecnici Quibim utilizzando la piattaforma Quibim sotto la supervisione di un radiologo. I biomarcatori di imaging sono stati estratti da ciascuna lesione e i dati sono stati sottoposti a riduzione delle caratteristiche. Dopo una convalida incrociata a 5 livelli, abbiamo testato diversi modelli per la loro capacità predittiva della progressione a 5 anni dalla diagnosi.

 

Screenshot 2024-12-20 a 13.25.34
Figura 1. Flusso di lavoro della radiomica.

Il risultato

Nella nostra pubblicazione recentemente accettata in Radiologia Europea, dimostriamo che il modello di potenziamento del gradiente estremo (XGBoost) ha previsto in modo più efficace la progressione a 5 anni, includendo 12 caratteristiche radiomiche e quattro variabili cliniche (sito del tumore primario [cavità orale], TNM [tumore-nodi-metastasi], età e fumo), ottenendo un'AUC di 0.74, una sensibilità di 0.53, una specificità di 0.81 e un'accuratezza di 0.66 sul set di test, come mostrato nella Tabella 1.

Screenshot 2024-12-20 a 13.28.03
Tabella 1. Metriche di performance ottenute nella previsione della progressione a 5 anni utilizzando lo staging TNM8 (C1), variabili TNM8 e clinicamente significative (C2) e caratteristiche cliniche e radiomiche (R+C) come input per il modello, su sottoinsiemi di dati di training, validazione e test. I valori di media e deviazione standard nel processo di cross-validazione a 5 pieghe sono stati calcolati per i valori di training e validazione.

 

Inoltre, i risultati ottenuti nell'analisi univariante mostrano differenze statisticamente significative tra i progressori e i non progressori in 5 variabili radiomiche. Come mostrato nella Figura 2, il grafico della lunghezza dell'asse maggiore ha rivelato che il diametro più grande del tumore primario era più lungo nei progressori, mentre le caratteristiche di secondo ordine hanno rivelato un tumore primario più eterogeneo in questo stesso gruppo.

 

Screenshot 2024-12-20 a 13.26.03
Figura 2. Distribuzioni boxplot delle caratteristiche radiomiche che mostrano differenze statisticamente significative tra pazienti con progressione a 5 anni e pazienti senza progressione. Flatness della forma (valore p 0.028), lunghezza dell'asse maggiore della forma (valore p 0.006), non uniformità della zona dimensionale GLSZM di secondo ordine (valore p 0.020), enfasi della piccola area GLSZM di secondo ordine (valore p 0.016) ed entropia della dipendenza GLDM di secondo ordine (valore p 0.037). Abbreviazioni: GLRLM (matrice della lunghezza di esecuzione dei livelli di grigio), GLSZM (matrice della zona dimensionale dei livelli di grigio), GLDM (matrice della dipendenza dei livelli di grigio.

 

In conclusione, un modello completo per LAHNSCC basato sulle caratteristiche della radiomica TC e che include variabili cliniche di routine mostra una notevole accuratezza nella stratificazione dei gruppi di rischio, superando gli attuali modelli clinici. Tuttavia, è necessaria una convalida esterna prospettica per confermare questi risultati.

 

Riferimento:

Bruixola, G., Dualde-Beltrán, D., Jimenez-Pastor, A., Nogué, A., Bellvís, F., Fuster-Matanzo, A., Alfaro-Cervelló, C., Grimalt, N., Salhab- Ibáñez, N., Escorihuela, V., Iglesias, ME, Maroñas, M., Alberich-Bayarri, Á., Cervantes, A., & Tarazona, N. (in corso di stampa). Modello clinico-radiomico basato sulla TC per prevedere la progressione e guidare l’applicabilità clinica nel cancro della testa e del collo localmente avanzato. Radiologia europea.

Sito web di Quibim
Centro preferenze sulla privacy

Quando visiti un sito Web, questo potrebbe archiviare o recuperare informazioni sul tuo browser, principalmente sotto forma di cookie. Queste informazioni potrebbero riguardare te, le tue preferenze o il tuo dispositivo e vengono utilizzate principalmente per far funzionare il sito come ti aspetti. Le informazioni non ti identificano direttamente, ma possono offrirti un'esperienza Web più personalizzata. Poiché rispettiamo il tuo diritto alla privacy, puoi scegliere di non consentire alcuni tipi di cookie. Fai clic sulle diverse intestazioni delle categorie per saperne di più e modificare le nostre impostazioni predefinite. Tuttavia, il blocco di alcuni tipi di cookie potrebbe avere un impatto sulla tua esperienza del sito. Puoi trovare maggiori informazioni, inclusa una spiegazione dettagliata sui cookie, sul nostro Politica sui cookie .