Суровцев Евгений Николаевич – главный врач, ООО «Лечебно-диагностический центр Международного института биологических систем – Тольятти», г. Тольятти, Российская Федерация; ассистент кафедры лучевой диагностики и лучевой терапии ФГБОУ ВО «Самарский государственный медицинский университет» Министерства здравоохранения Российской Федерации, г. Самара, Российская Федерация
ORCID:
Evgeniy N. Surovcev – Chief Physician, Medical and Diagnostic Center of the Togliatti International Institute of Biological Systems, Togliatti, Russian Federation; Assistant at the Department of Radiation Diagnostics and Radiation Therapy, Samara State Medical University, Samara, Russian Federation
ORCID:
Капишников Александр Викторович – д.м.н., заведующий кафедрой лучевой диагностики и лучевой терапии, ФГБОУ ВО «Самарский государственный медицинский университет» Министерства здравоохранения Российской Федерации, г. Самара, Российская Федерация
ORCID:
Aleksandr V. Kapishnikov – Dr. Sci. (Med.), Head of the Department of Radiation Diagnostics and Radiation Therapy, Samara State Medical University, Samara, Russian Federation
ORCID:
Колсанов Александр Владимирович – д.м.н., профессор РАН, заведующий кафедрой оперативной хирургии и клинической анатомии с курсом медицинских информационных технологий, ФГБОУ ВО «Самарский государственный медицинский университет» Министерства здравоохранения Российской Федерации, г. Самара, Российская Федерация
ORCID:
Alexander V. Kolsanov – Dr. Sci. (Med.), Professor of the RAS, Head of the Department of Operative Surgery and Clinical Anatomy with the course in medical information technologies, Samara State Medical University, Samara, Russian Federation
ORCID:
Цель исследования. Сравнить возможности магнитно‑р езонансной томографии (МРТ) в дифференциальной диагностике трех типов первичных внемозговых опухолей (ПВО) (доброкачественных и злокачественных менингиом, неврином) на основе стандартной семиотики и радиомических признаков.
Пациенты и методы. Ретроспективное исследование включало 66 пациентов с первичными внемозговыми опухолями, которые были разделены на две группы: обучающую (39 пациентов) и валидационную (27 пациентов). МРТ была выполнена всем пациентам до хирургического лечения. Для сравнения возможностей дифференциальной диагностики на основе признаков семиотики и радиомических параметров использовался единый метод статистического моделирования – дискриминантный анализ.
Результаты. Признаки МРТ‑семиотики опухолей не позволяли провести достоверную дифференциацию между доброкачественными и злокачественными менингиомами. Ряд радиомических параметров достоверно различались для всех тех типов опухолей (неврином, доброкачественных и злокачественных менингиом). Моделирование на основе дискриминантного анализа продемонстрировало, что радиомические признаки могут быть использованы для дифференциальной диагностики ПВО. Площадь под ROC‑кривой модели радиомики составила 0,86, что превосходит результат модели на основе признаков семиотики (AUC 0,78).
Заключение. Высокая диагностическая эффективность классификации ПВО радиомической моделью свидетельствуют о целесообразности продолжения исследований дифференциальной диагностики ПВО с использованием гистограммных и текстурных параметров МРТ‑изображений.
Purpose of the study. Comparing magnetic resonance imaging (MRI) abilities in differential diagnostic of three types of primary extra‑ axial brain tumors (benign and malignant meningiomas, and neuromas) based on standard semiotics and radiomic features.
Patients and methods. Retrospective research included 66 patients with primary extra‑a xial tumors who were divided into two groups: the instructional (39 patients) and the valid (27 patients). MRI was used towards all patients before surgery. The one method of statistical modeling – discriminant analysis – was used to compare the abilities of differential diagnostic based on semiotic features and radiomic parameters.
Results. The features of tumor semiotics MRI didn’t allow to differentiate effectively benign and malignant meningiomas. Several parameters were certainly varied for all those tumor types (neuromas, benign and malignant meningiomas). The modelling based on the discriminant analysis demonstrated that radiomic features can be used for primary extra‑a xial tumors differential diagnostic. The area of the radiomic model ROC‑curve took 0.86 which exceeds the result of the model based on semiotic features (AUC 0.78).
Conclusion. The best results of the tumors classification by radiomic model demonstrate expediency to continue research the primary extra‑ axial tumors differential diagnostic with support of histogram and textural parameters of MRI imaging.
The authors declare that there are no conflicts of interest present.