Алгоритм радиомики находит ключевой биомаркер при множественной миеломе

Jul 05, 2023

4 августа 2023 г. — Согласно новому исследованию, опубликованному в журнале Clinical Radiology, у пациентов с множественной миеломой (ММ) алгоритм машинного обучения МРТ-радиомики может определить статус минимальной остаточной болезни (MRD) — биомаркера, связанного с более длительной выживаемостью.

Группа исследователей во главе с С. Сюном из Первой дочерней больницы Университета Сучжоу в Цзянсу, Китай, обучила алгоритм машинного обучения извлечению и анализу радиомикротических характеристик на Т1-взвешенных изображениях и насыщенных жирами последовательностях Т2-взвешенных изображений. на МРТ поясничного отдела позвоночника. При тестировании наиболее эффективная модель — классификатор линейной машины опорных векторов (SVM) — дала площадь под кривой (AUC) для статуса MRD до 0,8.

«Метод машинного обучения на основе линейного SVM может предложить неинвазивный инструмент для определения статуса MRD при ММ», — пишут авторы.

Считается, что MRS, новый биомаркер ММ, представляет собой самый глубокий уровень ответа на лечение ММ. По мнению исследователей, недавние радиомикальные исследования показали потенциал для прогнозирования цитогенетического статуса высокого риска и оценки ответа на лечение ММ. Однако в обоих этих исследованиях использовались небольшие наборы данных.

В своем исследовании исследователи стремились изучить возможность распознавания статуса MRD на МРТ и определить лучшие методы машинного обучения для оптимизации режима клинического лечения.

Исследователи ретроспективно собрали данные у 83 впервые диагностированных пациентов, которым перед началом терапии была проведена МРТ всего тела. Из них 59 были использованы для обучения модели, а 24 — для проверки алгоритмов.

Модели радиомики были разработаны на основе T1-взвешенных изображений и насыщенных жиром последовательностей T2-взвешенных изображений с использованием пяти различных классификаторов: случайный лес, K-ближайший сосед, наивный Байес, линейный SVM и радиальный SVM. После проведения логистического регрессионного анализа соотношение костномозговых инфильтратов было единственным признаком, сохраняемым для радиомикического анализа.

Исследователи также обучили традиционную модель, основанную на клинических данных, включая возраст, пол, стадию Международной системы стадирования, статус флуоресцентной гибридизации in situ (FISH), уровень белка в сыворотке, коэффициент инфильтрации костного мозга, кальций, креатинин и альбумин. Наконец, они разработали комбинированную модель, включающую анализ как радиомиктических, так и клинических особенностей.

В наборе для проверки линейная радиомикроная модель на основе SVM дала AUC 0,708 на T1-взвешенных изображениях и AUC 0,8 на насыщенных жирами T2-взвешенных изображениях, что превосходит традиционную модель. Кроме того, комбинированная модель не дала статистически значимой разницы в производительности по сравнению с радиомикной моделью.

«Подводя итог, настоящие результаты демонстрируют эффективность радиомикического анализа и машинного обучения МРТ, которые могут точно определить статус MRD после индукционного лечения», — заключили авторы. «Поскольку исследование было ретроспективным, необходимы проспективные исследования и анализ нескольких моментов времени для дальнейшего изучения способности этого метода различать статус MRD».

Полную версию исследования можно найти здесь.