Developing a Novel Image Marker to Predict the Responses of Neoadjuvant Chemotherapy (NACT) for Ovarian Cancer Patients

要約

目的: 術前補助化学療法 (NACT) は、進行期の卵巣がん患者に対する治療法の 1 つです。
ただし、腫瘍の不均一性の性質により、NACT に対する患者の反応はサブグループごとに大きく異なります。
この臨床的課題に対処するために、この研究の目的は、初期段階で NACT の高精度な応答予測を達成するための新しい画像マーカーを開発することです。
方法: この目的のために、まず合計 1,373 個のラジオミクス特徴を計算して腫瘍の特徴を定量化しました。これらの特徴は、幾何学的特徴、強度特徴、およびテクスチャ特徴の 3 つのカテゴリに分類できます。
次に、これらすべての特徴が主成分分析アルゴリズムによって最適化され、コンパクトで有益な特徴クラスターが生成されました。
このクラスターを入力として使用して、SVM ベースの分類器が開発および最適化され、患者が NACT 治療に反応する可能性を示す最終マーカーを作成しました。
この計画を検証するために、合計 42 人の卵巣がん患者が遡及的に収集されました。
モデルのパフォーマンス評価には、ネストされたリーブワンアウト相互検証が採用されました。
結果: 結果は、新しい方法により 0.745 の AUC (ROC [受信者特性操作] 曲線の下の面積) が得られたことを示しています。
一方、モデルは全体の精度 76.2%、陽性的中率 70%、陰性的中率 78.1% を達成しました。
結論: この研究は、NACT 応答予測におけるラジオミクスに基づく画像マーカーの開発に有意義な情報を提供します。

要約(オリジナル)

Objective: Neoadjuvant chemotherapy (NACT) is one kind of treatment for advanced stage ovarian cancer patients. However, due to the nature of tumor heterogeneity, the patients’ responses to NACT varies significantly among different subgroups. To address this clinical challenge, the purpose of this study is to develop a novel image marker to achieve high accuracy response prediction of the NACT at an early stage. Methods: For this purpose, we first computed a total of 1373 radiomics features to quantify the tumor characteristics, which can be grouped into three categories: geometric, intensity, and texture features. Second, all these features were optimized by principal component analysis algorithm to generate a compact and informative feature cluster. Using this cluster as the input, an SVM based classifier was developed and optimized to create a final marker, indicating the likelihood of the patient being responsive to the NACT treatment. To validate this scheme, a total of 42 ovarian cancer patients were retrospectively collected. A nested leave-one-out cross-validation was adopted for model performance assessment. Results: The results demonstrate that the new method yielded an AUC (area under the ROC [receiver characteristic operation] curve) of 0.745. Meanwhile, the model achieved overall accuracy of 76.2%, positive predictive value of 70%, and negative predictive value of 78.1%. Conclusion: This study provides meaningful information for the development of radiomics based image markers in NACT response prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google