Prediction of recurrence free survival of head and neck cancer using PET/CT radiomics and clinical information

要約

頭頸部がん（HNC）の 5 年生存率は過去 10 年間改善されておらず、治療失敗の一般的な原因の 1 つは再発です。
この論文では、中咽頭 HNC 患者の無再発生存期間 (RFS) を予測する Cox 比例ハザード (CoxPH) モデルを構築しました。
当社のモデルは、コンピュータ断層撮影 (CT) および陽電子放射断層撮影 (PET) の腫瘍領域から抽出された臨床情報とマルチモーダル ラジオミクス特徴の両方を利用します。
さらに、私たちは、過小セグメンテーション研究および過剰セグメンテーション研究を通じて、抽出されたラジオミクス特徴の予測力に対するセグメンテーション精度の影響を調査した最初の研究の 1 つです。
私たちのモデルは、HEad and neCK TumOR (HECKTOR) チャレンジ データを使用してトレーニングされ、最もパフォーマンスの高いモデルは、臨床情報とマルチモーダル CT および PET ラジオミクス機能を利用したモデルで 0.74 の一致指数 (C-index) を達成しました。
臨床情報のみを使用したモデル (C インデックス 0.67)。
私たちのアンダーセグメンテーションとオーバーセグメンテーションの研究により、セグメンテーションの精度がラジオミクス抽出に影響を与えるものの、PET と CT への影響は異なることが確認されました。

要約(オリジナル)

The 5-year survival rate of Head and Neck Cancer (HNC) has not improved over the past decade and one common cause of treatment failure is recurrence. In this paper, we built Cox proportional hazard (CoxPH) models that predict the recurrence free survival (RFS) of oropharyngeal HNC patients. Our models utilise both clinical information and multimodal radiomics features extracted from tumour regions in Computed Tomography (CT) and Positron Emission Tomography (PET). Furthermore, we were one of the first studies to explore the impact of segmentation accuracy on the predictive power of the extracted radiomics features, through under- and over-segmentation study. Our models were trained using the HEad and neCK TumOR (HECKTOR) challenge data, and the best performing model achieved a concordance index (C-index) of 0.74 for the model utilising clinical information and multimodal CT and PET radiomics features, which compares favourably with the model that only used clinical information (C-index of 0.67). Our under- and over-segmentation study confirms that segmentation accuracy affects radiomics extraction, however, it affects PET and CT differently.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google