Маслов Никита Евгеньевич - аспирант кафедры лучевой диагностики и медицинской визуализации с клиникой, ул. Аккуратова, д. 2, г. Санкт-Петербург, 197341
врач-рентгенолог отделения лучевой диагностики, Ленинградская ул., д. 68А, пос. Песочный, г. Санкт-Петербург
Nikita E. Maslov - Postgraduate student of the Department of Radiation Diagnostics and Medical Certification with the clinic, 2, Akkuratova str., St. Petersburg, 197341;
radiologist of the Department of Radiation Diagnostics, 68A, Leningradskaya str., village Pesochniy, St. Petersburg
Труфанов Геннадий Евгеньевич - д-р мед. наук, профессор, заведующий кафедрой лучевой диагностики и медицинской визуализации с клиникой, заведующий НИО лучевой диагностики,
ул. Аккуратова, д. 2, г. Санкт-Петербург, 197341
Gennadiy E. Trufanov - Dr. Sci. (Med.), Professor, Head of the Department of Radiation Diagnostics and Medical Imaging with Clinic, Head of the Research Institute of Radiation Diagnostics,
2, Akkuratova str., St. Petersburg, 197341
Моисеенко Владимир Михайлович - член-корр. РАН, профессор, директор,
Ленинградская ул., д. 68А, пос. Песочный, г. Санкт-Петербург
Vladimir M. Moiseenko - Corresponding Member of the Russian Academy of Sciences, Professor, Director,
68A, Leningradskaya str., village Pesochniy, St. Petersburg
Валенкова Дария Андреевна - инженер информационно-методического центра факультета компьютерных технологий и информатики,
ул. Профессора Попова, д. 5Ф, г. Санкт-Петербург, 197022
Dar'ya A. Valenkova - Engineer of the Information and Methodological Center of the Faculty of Computer Technology and Informatics,
5F, Professor Popov str., St. Petersburg, 197022
Ефимцев Александр Юрьевич - д-р мед. наук, доцент кафедры лучевой диагностики и медицинской визуализации с клиникой, ведущий научный сотрудник НИИ лучевой визуализации,
ул. Аккуратова, д. 2, г. Санкт-Петербург, 197341
Aleksandr Yu. Efimtsev - Dr. Sci. (Med.), Associate Professor of the Department of Radiation Diagnostics and Medical Imaging with the clinic, leading researcher at the Institute of Radiation Imaging,
2, Akkuratova str., St. Petersburg, 197341
Плахотина Надежда Александровна - канд. мед. наук, ассистент кафедры лучевой диагностики и медицинской визуализации с клиникой, ул. Аккуратова, д. 2, г. Санкт-Петербург, 197341;
врач-рентгенолог Центра лучевой диагностики, ул. 6-я Советская, д. 24-26, г. Санкт-Петербург, 191144
Nadezhda A. Plakhotina - Cand. Sci. (Med.), Assistant of the Department of Radiation Diagnostics and Medical Imaging with Clinic, 2, Akkuratova str., St. Petersburg, 197341;
Radiologist at the Center for Radiation Diagnostics, 24-26, 6th Sovetskaya str., St. Petersburg, 191144
Сидорина Анастасия Сергеевна - ординатор кафедры лучевой диагностики и медицинской визуализации с клиникой по специальности «Рентгенология»,
ул. Аккуратова, д. 2, г. Санкт-Петербург, 197341
Anastasiya S. Sidorina - Resident of the Department of Radiation Diagnostics and Medical Imaging with a clinic specializing in Radiology,
2, Akkuratova str., St. Petersburg, 197341
Актуальность. Радиомика – стремительно развивающееся направление в сфере онкологической визуализации, благодаря которому становится возможным поиск признаков, прогностически эффективных в отношении конкретных генетических событий, обусловливающих различные характеристики течения заболевания. Согласно данным многочисленных исследований, наличие IDH-мутации при глиальных опухолях ассоциировано с большей общей выживаемостью. Биопсия, являющаяся «золотым стандартом» дифференциальной диагностики опухолей головного мозга, зачастую затруднительна в связи со сложностью оперативного доступа, периодической невозможностью повторной процедуры, серьёзными осложнениями и летальностью.
Цель: поиск визуализационных признаков, предоставляющих прогностические данные о наличии мутаций и уровнях экспрессии молекулярно-генетических маркеров глиом, получаемых с использованием традиционных импульсных МР-последовательностей и характеризующихся отсутствием ограничений по применимости в зависимости от видимых морфологических особенностей новообразований.
Материал и методы: ретроспективный анализ первичных данных магнитно-резонансной томографии (МРТ) головного мозга 49 пациентов, соответствующих критериям включения в исследование, с глиальными опухолями и впоследствии идентифицированным статусом целевой иммуногистохимической переменной за 2021–2023 гг. из архива ФГБУ «НМИЦ им. В.А. Алмазова» МЗ РФ (n = 31) и ГБУЗ «СПб КНпЦСВМП(о) им. Н.П. Напалкова» (n = 18); препроцессинг исходных МР-изображений по методике сопоставления гистограмм; определение и посрезовая полуавтоматизированная сегментация зон интереса с последующей экстракцией присущих им радиомических характеристик; поиск радиомических признаков, обладающих прогностической способностью в отношении целевой переменной, с использованием инструментов предиктивного статистического анализа.
Результаты. Выявлена высокая эффективность радиомического признака Dependence Entropy в качестве предиктора IDH-мутаций (площадь под ROC-кривой – 0,766 [0,627–0,880]).
Выводы. Обоснованно определены: целевая иммуногистохимическая характеристика для разработки предиктивной модели (IDH-статус), рабочая импульсная последовательность (Т2-Tirm), инструмент препроцессинга исходных данных визуализации (методика сопоставления гистограмм), зоны интереса (участки гиперинтенсивности на Т2-Tirm, ассоциирующиеся с опухолевым поражением, с захватом связанных кистозных и/или некротических компонентов). В результате выявлена статистически достоверная взаимосвязь между радиомической характеристикой Dependence Entropy и IDH-статусом глиальных опухолей. В ходе дальнейшей работы планируется увеличение базы данных, повышение точности имеющейся статистической модели, поиск релевантных радиомических характеристик, экстрагируемых с использованием иных традиционных импульсных последовательностей, создание комплексной предиктивной радиогеномной модели, разработка автоматизированного программного обеспечения.
Introduction. Radiomics is a rapidly developing field in oncology visualization aimed at searching for prognostically effective imaging features associated with specific genetic events that determine various characteristics of the disease course. According to numerous studies, the presence of IDH mutations in glial tumors determines a longer overall survival. Despite the fact that biopsy is considered to be the «gold standard» for brain tumors differential diagnosis, it is though quite difficult to perform due to the complexity of surgical access, common cases of the repeat procedure impossibility, serious complications and mortality.
Aim: a search for imaging features providing prognostic data on the presence of certain mutations and gene expression in gliomas, obtained using traditional pulse sequences and characterized by the absence of restrictions on applicability depending on the tumors visible morphological features.
Material and methods: retrospective analysis of 49 eligible patients' primary brain MRI data between 2021 and 2023 from Almazov National Medical Research Centre (n = 31) and Napalkov Oncological Centre (n = 18) with glial tumors and subsequently identified status of the target variable; preprocessing of MR images using the histogram matching; regions of interest determination and semi-automated slice-by-slice segmentation with subsequent extraction of radiomics features; search for predictive radiomics features regarding the status of target variable using statistical analysis tools.
Results. Dependence Entropy was found to be highly effective as a predictor of IDH mutations (area under the ROC-curve – 0.766 [0.627–0.880]).
Conclusions. We determined a target variable for the development of a predictive model (IDH status), a pulse sequence (T2-Tirm), a tool for initial imaging data preprocessing (histogram matching), regions of interest (tumor-associated T2-Tirm-hyperintensity including cystic and/or necrotic lesions). As a result, a statistically significant relationship between the Dependence Entropy feature and IDH status of glial tumors was found. In the course of further work it is planned to increase the size of a database, improve the accuracy of the existing statistical model, search for relevant radiomic features extracted using other traditional pulse sequences, create a comprehensive predictive radiogenomics model and develop a software.
The authors declare that there are no conflicts of interest present.