Приоритетные параметры радиомического анализа для компьютерной томографии при злокачественных новообразованиях головы и шеи: систематический обзор
- Авторы: Васильев Ю.А.1, Нанова О.Г.1, Блохин И.А.1, Решетников Р.В.1, Владзимирский А.В.1, Омелянская О.В.1
-
Учреждения:
- Научно-практический клинический центр диагностики и телемедицинских технологий
- Выпуск: Том 5, № 2 (2024)
- Страницы: 255-268
- Раздел: Систематические обзоры
- URL: https://journals.rcsi.science/DD/article/view/264837
- DOI: https://doi.org/10.17816/DD623240
- ID: 264837
Цитировать
Полный текст
Аннотация
Обоснование. Радиомика — новейшее и многообещающее направление современной лучевой диагностики. Число исследований злокачественных новообразований головы и шеи с помощью этого метода увеличивается с каждым годом. Мы провели систематический обзор новейших публикаций (2021–2023) по злокачественным новообразованиям головы и шеи, выполненным на основе компьютерной томографии.
Цель — систематизация данных по используемым параметрам радиомического анализа при раке головы и шеи, выявленным по данным компьютерной томографии.
Материалы и методы. Поиск статей осуществлялся в базе PubMed. Произведены извлечение базовых характеристик отобранных статей и оценка их качества по RQS 2.0 и модифицированному опроснику QUADAS-CAD. Оценили уровень воспроизводимости радиомических параметров, отобранных для прогностических моделей, в разных исследованиях. Для обзора отобрано 11 статей. В большинстве случаев отмечался высокий риск систематической ошибки, связанный с несбалансированностью выборки по демографическим параметрам и уровню патологий.
Результаты. При оценке качества радиомики диапазон баллов для исследованных статей изменяется от 19,44% до 50,00% максимально возможной суммы. Основные проблемы, влекущие за собой снижение качества исследований, обусловлены отсутствием внешней валидации результатов (73% проанализированных статей), а также недоступностью или непрозрачностью исследовательских данных (82%). Воспроизводимость радиомических параметров между исследованиями низкая из-за большого разнообразия используемых методик получения и постобработки изображений, а также извлечения и статистической обработки радиомических параметров.
Заключение. Обсуждается необходимость выделения базового блока устойчивых радиомических параметров для внедрения метода в клиническую практику, что возможно сделать только при стандартизации методов радиомики и создания открытой базы радиомических данных.
Ключевые слова
Полный текст
Открыть статью на сайте журналаОб авторах
Юрий Александрович Васильев
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0002-0208-5218
SPIN-код: 4458-5608
канд. мед. наук
Россия, МоскваОльга Геннадьевна Нанова
Научно-практический клинический центр диагностики и телемедицинских технологий
Автор, ответственный за переписку.
Email: NanovaOG@zdrav.mos.ru
ORCID iD: 0000-0001-8886-3684
SPIN-код: 6135-4872
канд. биол. наук
Россия, МоскваИван Андреевич Блохин
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: i.blokhin@npcmr.ru
ORCID iD: 0000-0002-2681-9378
SPIN-код: 3306-1387
Россия, Москва
Роман Владимирович Решетников
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: reshetnikov@fbb.msu.ru
ORCID iD: 0000-0002-9661-0254
SPIN-код: 8592-0558
канд. физ.-мат. наук
Россия, МоскваАнтон Вячеславович Владзимирский
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0002-2990-7736
SPIN-код: 3602-7120
д-р мед. наук, профессор
Россия, МоскваОльга Васильевна Омелянская
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: o.omelyanskaya@npcmr.ru
ORCID iD: 0000-0002-0245-4431
SPIN-код: 8948-6152
Россия, Москва
Список литературы
- Rizzo S., Botta F., Raimondi S., et al. Radiomics: the facts and the challenges of image analysis // Eur Radiol Exp. 2018. Vol. 2. doi: 10.1186/s41747-018-0068-z
- Lambin P., Leijenaar R., Deist T., et al. Radiomics: the bridge between medical imaging and personalized medicine // Nat Rev Clin Oncol. 2017. Vol. 14. P. 749–762. doi: 10.1038/nrclinonc.2017.141
- Mayerhoefer M.E., Materka A., Langs G., et al. Introduction to Radiomics // J Nucl Med. 2020. Vol. 61, N 4. P. 488–495. doi: 10.2967/jnumed.118.222893
- Wan Y., Yang P., Xu L., et al. Radiomics analysis combining unsupervised learning and handcrafted features: A multiple-disease study // Medical Physics. 2021. Vol. 48, N 11. P. 7003–7015. doi: 10.1002/mp.15199
- Zwanenburg A., Vallières M., Abdalah M.A., et al. The Image Biomarker Standardization Initiative: Standardized Quantitative Radiomics for High-Throughput Image-based Phenotyping // Radiology. 2020. Vol. 295, N 2. doi: 10.1148/radiol.2020191145
- Berenguer R., Pastor-Juan M., Canales-Vázquez J., et al. Radiomics of CT Features May Be Nonreproducible and Redundant: Influence of CT Acquisition Parameters // Radiology. 2018. Vol. 288, N 2. doi: 10.1148/radiol.2018172361
- Laura Q.M., Chow M.D. Head and Neck Cancer // N Engl J Med. 2020. Vol. 382. P. 60–72. doi: 10.1056/NEJMra1715715
- Sung H., Ferlay J., Siegel R.L., et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries // Ca Cancer J Clin. 2021. Vol. 71, N 3. P. 209–249. doi: 10.3322/caac.21660
- Болотина Л.В., Владимирова Л.Ю., Деньгина Н.В., Новик А.В., Романов И.С. Практические рекомендации по лечению злокачественных опухолей головы и шеи // Злокачественные опухоли. 2020. Т. 10, № 3s2-1. С. 93–108. doi: 10.18027/2224-5057-2020-10-3s2-06
- Bossi P., Chan A.T., Licitra L., et al. Nasopharyngeal carcinoma: ESMO-EURACAN Clinical Practice Guidelines for diagnosis, treatment and follow-up // Annals of oncology. 2021. Vol. 32, N 4. P. 452–465. doi: 10.1016/j.annonc.2020.12.007
- Петровичев В.С., Неклюдова М.В., Синицын В.Е., Никитин И.Г. Двухэнергетическая компьютерная томография рака головы и шеи // Digital Diagnostics. 2021. Т. 2, № 3. С. 343–355. doi: 10.17816/DD62572
- Guha A., Connor S., Anjari M., et al. Radiomic analysis for response assessment in advanced head and neck cancers, a distant dream or an inevitable reality? A systematic review of the current level of evidence // BJR. 2019. Vol. 93, N 1106. doi: 10.1259/bjr.20190496
- Giannitto C., Mercante G., Ammirabile A., et al. Radiomics-based machine learning for the diagnosis of lymph node metastases in patients with head and neck cancer: Systematic review // Head & Neck. 2022. Vol. 45, N 2. P. 482–491. doi: 10.1002/hed.27239
- Yu Y., Li X., Li W., Wang H., Wang Y. Pretreatment radiomics power in evaluating neoadjuvant chemotherapy response and outcome for patients with head and neck squamous cell carcinoma: a systematic review and meta-analysis. Preprint. 2023. doi: 10.21203/rs.3.rs-2530190/v1
- Page M.J., McKenzie J.E., Bossuyt P.M., et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews // BMJ. 2021. Vol. 372. doi: 10.1136/bmj.n71
- Radiomics Quality Score — RQS 2.0. [Internet]. [дата обращения 01.01.2023]. Доступ по ссылке: https://www.radiomics.world/rqs2
- Kodenko M.R., Vasilev Y.A., Vladzymyrskyy A.V., et al. Diagnostic Accuracy of AI for Opportunistic Screening of Abdominal Aortic Aneurysm in CT: A Systematic Review and Narrative Synthesis // Diagnostics. 2022. Vol. 12, N 12. P. 3197. doi: 10.3390/diagnostics12123197
- Коденко М.Р., Решетников Р.В., Макарова Т.А. Инструмент оценки качества исследований диагностической точности алгоритмов искусственного интеллекта (QUADAS-CAD) // Digital Diagnostics. 2022. Т. 3, № S1. С. 4–5. doi: 10.17816/DD105567
- Teng X., Zhang J., Ma Z., et al. Improving radiomic model reliability using robust features from perturbations for head-and-neck carcinoma // Front. Oncol. 2022. Vol. 12. doi: 10.3389/fonc.2022.974467
- Liu X., Maleki F., Muthukrishnan N., et al. Site-Specific Variation in Radiomic Features of Head and Neck Squamous Cell Carcinoma and Its Impact on Machine Learning Models // Cancers. 2021. Vol. 13, N 15. doi: 10.3390/cancers13153723
- Zhao X., Li W., Zhang J., et al. Radiomics analysis of CT imaging improves preoperative prediction of cervical lymph node metastasis in laryngeal squamous cell carcinoma // European Radiology. 2023. Vol. 33. P. 1121–1131. doi: 10.1007/s00330-022-09051-4
- Zhang W., Peng J., Zhao S., et al. Deep learning combined with radiomics for the classification of enlarged cervical lymph nodes // Journal of Cancer Research and Clinical Oncology. 2022. Vol. 148. P. 2773–2780. doi: 10.1007/s00432-022-04047-5
- Yang G., Yang F., Zhang F., et al. Radiomics Profiling Identifies the Value of CT Features for the Preoperative Evaluation of Lymph Node Metastasis in Papillary Thyroid Carcinoma // Diagnostics. 2022. Vol. 12, N 5. doi: 10.3390/diagnostics12051119
- Li J., Wu X., Mao N., et al. Computed Tomography-Based Radiomics Model to Predict Central Cervical Lymph Node Metastases in Papillary Thyroid Carcinoma: A Multicenter Study // Front. Endocrinol. 2021. Vol. 12. doi: 10.3389/fendo.2021.741698
- Franzese C., Lillo S., Cozzi L., et al. Predictive value of clinical and radiomic features for radiation therapy response in patients with lymph node-positive head and neck cancer // Head & Neck. 2023. Vol. 45, N 5. P. 1184–1193. doi: 10.1002/hed.27332
- Gonçalves M., Gsaxner Ch., Ferreira A., et al. Radiomics in Head and Neck Cancer Outcome Predictions // Diagnostics. 2022. Vol. 12, N 11. doi: 10.3390/diagnostics12112733
- Zhai T., Wesseling F., Langendijk J., et al. External validation of nodal failure prediction models including radiomics in head and neck cancer // Oral Oncology. 2021. Vol. 112. doi: 10.1016/j.oraloncology.2020.105083
- Morgan H.E., Wang K., Dohopolski M., et al. Exploratory ensemble interpretable model for predicting local failure in head and neck cancer: the additive benefit of CT and intra-treatment cone-beam computed tomography features // Quant Imaging Med Surg. 2021. Vol. 11, N 12. P. 4781–4796. doi: 10.21037/qims-21-274
- Intarak S., Chongpison Y., Vimolnoch M., et al. Tumor Prognostic Prediction of Nasopharyngeal Carcinoma Using CT-Based Radiomics in Non-Chinese Patients // Front. Oncol. 2022. Vol. 12. doi: 10.3389/fonc.2022.775248
- Zhong J., Lu J., Zhang G., et al. An overview of meta-analyses on radiomics: more evidence is needed to support clinical translation // Insights Imaging. 2023. Vol. 14. doi: 10.1186/s13244-023-01437-2
- Свидетельство о государственной регистрации программы для ЭВМ № 2022617324/ 19.04.2022. Морозов С.П., Андрейченко А.Е., Четвериков С.Ф., и др. Веб-инструмент для выполнения ROC анализа результатов диагностических тестов: № 2022616046.
- Giraud P., Giraud Ph., Gasnier A., et al. Radiomics and Machine Learning for Radiotherapy in Head and Neck Cancers // Front. Oncol. 2019. Vol. 9. doi: 10.3389/fonc.2019.00174
- Свидетельство о государственной регистрации программы для ЭВМ № 2023619686/ 15.05.2023. Васильев Ю.А., Владзимирский А.В., Омелянская О.В., и др. Веб-инструмент для контроля качества датасетов: № 2023617136.
- Gundersen O.E., Kjensmo S. State of the Art: Reproducibility in Artificial Intelligence // Proceedings of the AAAI Conference on Artificial Intelligence. 2018. Vol. 32, N 1. doi: 10.1609/aaai.v32i1.11503
- Tortora M., Gemini L., Scaravilli A., et al. Radiomics Applications in Head and Neck Tumor Imaging: A Narrative Review // Cancers. 2023. Vol. 15, N 4. doi: 10.3390/cancers15041174
- Image Biomarker Standardisation Initiative (IBSI) [Internet]. [дата обращения: 01.01.2023]. Доступ по ссылке: https://theibsi.github.io/
- Морозов С.П., Владзимирский А.В., Кляшторный В.Г., и др. Клинические испытания программного обеспечения на основе интеллектуальных технологий (лучевая диагностика). Москва, 2019.
- Buvat I., Orlhac F. The Dark Side of Radiomics: On the Paramount Importance of Publishing Negative Results // The Journal of Nuclear Medicine. 2019. Vol. 60, N 11. P. 1543–1544. doi: 10.2967/jnumed.119.235325
- Kocak B., Bulut E., Bayrak O.N., et al. NEgatiVE results in Radiomics research (NEVER): A meta-research study of publication bias in leading radiology journals // European Journal of Radiology. 2023. Vol. 163. doi: 10.1016/j.ejrad.2023.110830
- Berenguer R., Pastor-Juan M.R., Canales-Vázquez J., et al. Radiomics of CT Features May Be Nonreproducible and Redundant: Influence of CT Acquisition Parameters // Radiology. 2018. Vol. 288, N 2. doi: 10.1148/radiol.2018172361
- Морозов С.П., Линденбратен Л.Д., Габай П.Г., и др. Основы менеджмента медицинской визуализации / под ред. С.П. Морозова. Москва : ГЭОТАР-Медиа, 2020. doi: 10.33029/9704-5247-9-MEN-2020-1-424
- Хоружая А.Н., Ахмад Е.С., Семенов Д.С. Роль системы контроля качества лучевой диагностики онкологических заболеваний в радиомике // Digital Diagnostics. 2021. Т. 2, № 2. С. 170–184. doi: 10.17816/DD60393