Radiomics Analysis of Multiparametric PET/MRI for N- and M-Staging in Patients with Primary Cervical Cancer.

Zielsetzung Ziel dieser Studie war die Evaluierung des pradiktiven Potenzials der Radiomics-Analyse zur Bestimmung des N- und M-Stadiums des primaren Zervixkarzinoms anhand multiparametrischer 18F-FDG-PET/MRT-Bildgebung. Material und Methoden 30 Patientinnen mit einem histologisch gesicherten, primaren und therapienaiven Zervixkarzinom unterzogen sich einer multiparametrischen 18F-FDG-PET/MRT-Untersuchung unter Verwendung eines dedizierten Untersuchungsprotokolls des weiblichen Beckens. Nach Segmentierung der Primartumoren wurden quantitative Bildparameter mittels der Radiomic-Image-Processing-Toolbox bestimmt. Insgesamt wurden 45 verschiedene quantitative Bildmerkmale jeweils anhand der T2-gewichteten TSE-Sequenzen, der nativen und kontrastmittelgestutzten T1-gewichteten TSE-Sequenzen, der ADC-Map, verschiedenen Perfusionsparametern (Ktrans, Kep, Ve and iAUC) und den 18F-FDG-PET-Datensatzen fur jeden Tumor extrahiert. Die statistische Analyse zur Bestimmung des N- und M-Stadiums erfolgte unter der Verwendung der Python 3.5 und Scikit-learn-Software-Bibliothek fur maschinelles Lernen. Ergebnisse Insgesamt zeigte sich eine hohere Genauigkeit zur Pradiktion des korrekten M-Stadiums im Vergleich zum N-Stadium. Zur Pradiktion des korrekten M-Stadiums zeigten sich unter der Verwendung von SVM und SVM-RFE zur Feature-Auswahl die besten Ergebnisse mit einer Sensitivitat von 91 %, einer Spezifitat von 92 % und einer Flache unter der Kurve (AUC) von 0,97. Die hochste Genauigkeit fur die Bestimmung des N-Stadiums erfolgte unter der Verwendung von RBF-SVM und MIFS zur Feature-Auswahl mit einer Sensitivitat von 83 %, einer Spezifitat von 67 % und einer Flache unter der Kurve (AUC) von 0,82. Schlussfolgerung Die Radiomics-Analyse von multiparametrischen PET/MR-Datensatzen ermoglicht eine prazise Pradiktion des M- und N-Stadiums von Patientinnen mit primarem Zervixkarzinom und konnte damit supportiv zur nichtinvasiven Tumor-Phanotypisierung und Patientenstratifizierung eingesetzt werden. Kernaussagen:  Citation Format