Introduction. According to the 2021 WHO Classification of Tumors of the Central Nervous System (CNS) and the 2023 Clinical Practice Guidelines on the Drug Management of Primary CNS Cancers, the first step of molecular genetic testing to identify the morphological type and malignancy of adult-type diffuse gliomas is the detection of isocitrate dehydrogenase (IDH) mutation status. However, tumor tissue biopsy as the conventional diagnostic standard has a number of limitations that can potentially be mitigated by applying the principles of radiomics to the interpretation of magnetic resonance (MR) images.
The aim of our study is to develop a radiomics model for IDH mutation status prediction, which can be applied to primary diagnostic imaging in patients with suspected adult-type diffuse gliomas.
Materials and methods. We conducted a retrospective comparative statistical analysis of radiomic features extracted from 46 conventional brain MR images of the patients with adult-type diffuse gliomas and identified IDH mutation status using the Random Forest algorithm of machine learning in combination with various preprocessing methods of the source imaging data and a semi-automated LevelTracing tool used for segmentation of the regions of interest (ROI).
Results. The most effective combination of tools for preprocessing, segmentation, and classification was found to be ScaleIntensity, LevelTracing, and Random Forest, respectively. Using this combination, we verified the reliability of six radiomic predictors identified at the previous study stage. These features were all associated with IDH mutation status, and most of them capture texture heterogeneity in the ROIs at the voxel level. We were also able to improve the prognostic performance of our classification model up to AUC = 0.845 ± 0.089 (p < 0.05).
Conclusion. Based on a small, technically heterogeneous sample of routine MR imaging data, we developed a multiparametric model of IDH mutation status prediction in the patients with adult-type diffuse gliomas. Our conclusion is that relatively uniform preprocessing techniques based on uniform voxel intensity changes, which allow to preserve the structural detail, are feasible in clinical practice. The identified radiomic, likely voxel-based, features reflect the severity of perifocal vasogenic edema and the measure of intratumor morphological heterogeneity. We plan to assess the reproducibility of the study results using similar medical imaging data from open sources and to develop a color mapping technique for the ROIs to facilitate visual interpretation of quantitative radiomic data.
Введение. Согласно классификации ВОЗ опухолей ЦНС 2021 г. и практическим рекомендациям по лекарственному лечению первичных опухолей ЦНС 2023 г., определение статуса изоцитратдегидрогеназы (IDH) является начальным этапом молекулярно-генетического тестирования при идентификации патоморфологических форм диффузных глиом взрослых. Однако традиционный диагностический стандарт, подразумевающий исследование биопсийного материала, обладает рядом ограничений, потенциально нивелируемых внедрением в алгоритм интерпретации традиционных магнитно-резонансных (МР) изображений принципов радиомики.
Цель исследования — разработка применимой в условиях первичных диагностических мероприятий радиомической модели прогнозирования IDH-статуса диффузных глиом взрослых.
Материалы и методы. Посредством применения метода машинного обучения Random Forest осуществляли ретроспективный сравнительный статистический анализ радиомических характеристик 46 традиционных МР-исследований головного мозга пациентов с диффузными глиомами взрослых и известным IDH-статусом в зависимости от вида предварительной обработки исходных данных визуализации с использованием полуавтоматизированного инструмента сегментации зон интереса LevelTracing.
Результаты. Установлена наиболее эффективная комбинация инструментов препроцессинга, сегментации и классификации — ScaleIntensity, LevelTracing и Random Forest соответственно. С её помощью верифицирована достоверность 6 выявленных на прошлом этапе исследования радиомических предикторов IDH-статуса, в большинстве являющихся характеристиками текстурной неоднородности зон интереса на воксельном уровне, а также увеличена прогностическая эффективность классификационной модели до AUC = 0.845 ± 0.089 (p < 0.05).
Заключение. Разработана мультипараметрическая предиктивная модель IDH-статуса при диффузных глиомах взрослых на основе рутинных данных МР-визуализации в условиях малой технически разнородной выборки. Сделан вывод о целесообразности использования относительно унифицированных методов предварительной обработки изображений, предполагающих равномерные изменения интенсивности вокселей с сохранной структурной детализацией. Выявленные радиомические характеристики, вероятно, на воксельном уровне иллюстрируют выраженность перифокального вазогенного отёка и феномена внутриопухолевой морфологической гетерогенности. Планируется оценка воспроизводимости полученных результатов на основе аналогичных данных медицинской визуализации из открытых источников, а также разработка методики цветового картирования зон интереса с целью привнесения элемента субъективного визуализационного анализа в процесс интерпретации количественных радиомических данных.