Возможности радиомики в интерпретации ультразвуковых и КТ-данных у пациентов с хронической болезнью почек

Обложка

Цитировать

Полный текст

Аннотация

Цель настоящего обзора – изучение возможностей радиомики в интерпретации данных ультразвукового исследования и мультиспиральной компьютерной томографии у пациентов с хронической болезнью почек (ХБП). Радиомика представляет собой перспективное направление анализа медицинских изображений, основанное на извлечении количественных признаков, не доступных при стандартном визуальном анализе, и последующем применении методов искусственного интеллекта для их обработки и интерпретации. В статье рассмотрены основы радиомических методов, включая текстурный анализ изображений и создание диагностических моделей с использованием алгоритмов машинного обучения. Подробно обсуждаются преимущества радиомических характеристик, в частности статистических признаков II порядка и более высоких порядков, в оценке интерстициального фиброза и других патологических изменений паренхимы почек. Приведены результаты исследований, демонстрирующие высокую степень корреляции радиомических признаков с гистологическими изменениями, выявленными при биопсии почек. Подчеркивается перспективность радиомики как неинвазивного подхода для оценки степени поражения почек и мониторинга прогрессирования ХБП. В заключении указана необходимость дальнейших исследований для стандартизации и расширения применения радиомических методов в клинической практике с целью повышения точности диагностики и улучшения прогностической оценки пациентов с ХБП.

Об авторах

Александра Владимировна Проскура

ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)

Автор, ответственный за переписку.
Email: proskura_a_v_1@staff.sechenov.ru
ORCID iD: 0000-0003-0441-4799

канд. мед. наук, врач-уролог, онколог, ассистент Института урологии и репродуктивного здоровья человека 

Россия, Москва

Халил Микаилович Исмаилов

ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: proskura_a_v_1@staff.sechenov.ru
ORCID iD: 0000-0003-0548-190X

врач-уролог, аспирант Института урологии и репродуктивного здоровья человека 

Россия, Москва

Александр Георгиевич Смолеевский

ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: proskura_a_v_1@staff.sechenov.ru
ORCID iD: 0000-0002-8771-8589

ординатор Института урологии и репродуктивного здоровья человека 

Россия, Москва

Амина Исламовна Салпагарова

ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: proskura_a_v_1@staff.sechenov.ru
ORCID iD: 0009-0006-9642-7202

студентка IV курса Института клинической медицины им. Н.В. Склифосовского 

Россия, Москва

Ирина Николаевна Бобкова

ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)

Email: proskura_a_v_1@staff.sechenov.ru
ORCID iD: 0000-0002-8007-5680

д-р мед. наук, проф. каф. внутренних и профессиональных болезней и ревматологии Института клинической медицины им. Н.В. Склифосовского 

Россия, Москва

Андрей Михайлович Шестюк

УЗ «Брестская областная клиническая больница»

Email: proskura_a_v_1@staff.sechenov.ru
ORCID iD: 0000-0002-2624-5773

канд. мед. наук, доц., зав. отд-нием трансплантологии 

Белоруссия, Брест

Список литературы

  1. Pirrone G, Matrone F, Chiovati P, et al. Predicting local failure after partial prostate re-irradiation using a dosiomic-based machine learning model. J Pers Med. 2022;12(9):1491. doi: 10.3390/jpm12091491
  2. Miranda Magalhaes Santos JM, Clemente Oliveira B, Araujo-Filho JAB, et al. State-of-the-art in radiomics of hepatocellular carcinoma: A review of basic principles, applications, and limitations. Abdominal Radiology (NY). 2020;45(2):342-53. doi: 10.1007/s00261-019-02299-3
  3. Shin J, Seo N, Baek SE, et al. MRI radiomics model predicts pathologic complete response of rectal cancer following chemoradiotherapy. Radiology. 2022;303(2):351-8. doi: 10.1148/radiol.211986
  4. Vicini S, Bortolotto C, Rengo M, et al. A narrative review on current imaging applications of artificial intelligence and radiomics in oncology: Focus on the three most common cancers. Radiol Med. 2022;127(8):819-36. doi: 10.1007/s11547-022-01512-6
  5. Wu L, Lou X, Kong N, et al. Can quantitative peritumoral CT radiomics features predict the prognosis of patients with non-small cell lung cancer? A systematic review. Eur Radiol. 2023;33(3):2105-17. doi: 10.1007/s00330-022-09174-8
  6. Tomaszewski MR, Gillies RJ. The biological meaning of radiomic features. Radiology. 2021;298(3):505-16. doi: 10.1148/radiol.2021202553
  7. Li H, Gao L, Ma H, et al. Radiomics-based features for prediction of histological subtypes in Central Lung Cancer. Front Oncol. 2021;11:658887. doi: 10.3389/fonc.2021.658887
  8. Mukherjee P, Cintra M, Huang C, et al. CT-based radiomic signatures for predicting histopathologic features in head and neck squamous cell carcinoma. Radiol Imaging Cancer. 2020;2(3):e190039. doi: 10.1148/rycan.2020190039
  9. Wang M, Perucho JAU, Hu Y, et al. Computed Tomographic Radiomics in differentiating histologic subtypes of epithelial ovarian carcinoma. JAMA Netw Open. 2022;5(12):e2245141. doi: 10.1001/jamanetworkopen.2022.45141
  10. Park HJ, Lee SS, Park B, et al. Radiomics analysis of gadoxetic acid-enhanced MRI for staging liver fibrosis. Radiology. 2019;290(2):380-7. doi: 10.1148/radiol.2018181197
  11. Meng J, Luo Z, Chen Z, et al. Intestinal fibrosis classification in patients with Crohn’s disease using CT enterography-based deep learning: Comparisons with radiomics and radiologists. Eur Radiol. 2022;32(12):8692-705. doi: 10.1007/s00330-022-08842-z
  12. Refaee T, Salahuddin Z, Frix AN, et al. Diagnosis of idiopathic pulmonary fibrosis in high-resolution computed tomography scans using a combination of handcrafted radiomics and deep learning. Front Med (Lausanne). 2022;9:915243. doi: 10.3389/fmed.2022.915243
  13. Herzenberg AM, Fogo AB, Reich HN, et al. Validation of the Oxford classification of IgA nephropathy. Kidney Int. 2011;80(3):310-7. doi: 10.1038/ki.2011.126
  14. Tervaert TW, Mooyaart AL, Amann K, et al. Pathologic classification of diabetic nephropathy. J Am Soc Nephrol. 2010;21(4):556-63. doi: 10.1681/ASN.2010010010
  15. Srivastava A, Palsson R, Kaze AD, et al. The prognostic value of histopathologic lesions in native kidney biopsy specimens: results from the Boston kidney biopsy cohort study. J Am Soc Nephrol. 2018;29(8):2213-24. doi: 10.1681/ASN.2017121260
  16. Canetta PA, Khairallah P, Kiryluk K, et al. Systematic review and meta-analysis of native kidney biopsy complications. Clin J Am Soc Nephrol. 2020;15(11):1595-602. doi: 10.2215/CJN.04710420
  17. Barinotti A, Radin M, Cecchi I, et al. Serum biomarkers of renal fibrosis: A systematic review. Int J Mol Sci. 2022;23(22):14139. doi: 10.3390/ijms232214139
  18. Huang E, Mengel M, Clahsen-van Groningen MC, Jackson AM. Diagnostic potential of minimally invasive biomarkers: A biopsy-centered viewpoint from the Banff Minimally Invasive Diagnostics Working Group. Transplantation. 2023;107(1):45-52. doi: 10.1097/TP.0000000000004339
  19. Ce M, Felisaz PF, Ali M, et al. Ultrasound elastography in chronic kidney disease: A systematic review and meta-analysis. J Med Ultrason (2001). 2023;50(3):381-415. doi: 10.1007/s10396-023-01304-z
  20. Buchanan CE, Mahmoud H, Cox EF, et al. Quantitative assessment of renal structural and functional changes in chronic kidney disease using multi-parametric magnetic resonance imaging. Nephrol Dial Transpl. 2020;35(6):955-64. doi: 10.1093/ndt/gfz129
  21. Bandara MS, Gurunayaka B, Lakraj G, et al. Ultrasound based radiomics features of chronic kidney disease. Acad Radiol. 2022;29(2):229-35. doi: 10.1016/j.acra.2021.01.006
  22. Choi YH, Kim JE, Lee RW, et al. Histopathological correlations of CT-based radiomics imaging biomarkers in native kidney biopsy. BMC Medical Imaging. 2024;24(1):256. doi: 10.1186/s12880-024-01434-x
  23. Beck-Tölly A, Eder M, Beitzke D, et al. Magnetic resonance imaging for evaluation of interstitial fibrosis in kidney allografts. Transplant Direct. 2020;6(8):e577. doi: 10.1097/TXD.0000000000001009
  24. Berchtold L, Crowe LA, Combescure C, et al. Diffusion-magnetic resonance imaging predicts decline of kidney function in chronic kidney disease and in patients with a kidney allograft. Kidney Int. 2022;101(4):804-13. doi: 10.1016/j.kint.2021.12.014

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Процесс создания изучаемой модели в радиомике [1].

Скачать (177KB)
3. Рис. 2. Иллюстрация, сравнивающая возможности статистики I и II порядков [2].

Скачать (133KB)
4. Рис. 3. Воксельная карта высокопорядковых текстурных признаков [22].

Скачать (222KB)

© ООО "Консилиум Медикум", 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
 
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».