Возможности радиомического анализа магнитно‑резонансных томограмм в дифференциальной диагностике первичных внемозговых опухолей

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.

1. Lohmann P, Galldiks N, Kocher M, Heinzel A, Filss CP, Stegmayr C, et al. Radiomics in neuro-oncology: Basics, workflow, and applications. Methods. 2021 Apr;188:112–121. https://doi.org/10.1016/j.ymeth.2020.06.003

2. Ostrom QT, Cioffi G, Gittleman H, Patil N, Waite K, Kruchko C, Barnholtz-Sloan JS. CBTRUS Statistical Report: Primary Brain and Other Central Nervous System Tumors Diagnosed in the United States in 2012-2016. Neuro Oncol. 2019 Nov 1;21(Suppl 5):v1–v100. https://doi.org/10.1093/neuonc/noz150

3. Осборн А.Г., Зальцман К.Л., Завери М.Д. Лучевая диагностика. Головной мозг. Пер. с англ. Д.И. Волобуева. 3-е изд. М.: Из-во Панфилова; 2018, 1216 с.

4. Saigal G, Pisani L, Allakhverdieva E, Aristizabal J, Lehmkuhl D, Contreras F, et al. Utility of Microhemorrhage as a Diagnostic Tool in Distinguishing Vestibular Schwannomas from other Cerebellopontine Angle (CPA) Tumors. Indian J Otolaryngol Head Neck Surg. 2021 Sep;73(3):321–326. https://doi.org/10.1007/s12070-021-02372-8

5. Fountain DM, Young AMH, Santarius T. Malignant meningiomas. Handb Clin Neurol. 2020;170:245–250. https://doi.org/10.1016/b978-0-12-822198-3.00044-6

6. Kabashi S, Ugurel MS, Dedushi K, Mucaj S. The Role of Magnetic Resonance Imaging (MRI) in Diagnostics of Acoustic Schwannoma. Acta Inform Med. 2020 Dec;28(4):287–291. 10.5455/aim.2020.28.287-291. https://doi.org/10.5455/aim.2020.28.287-291

7. Yan PF, Yan L, Zhang Z, Salim A, Wang L, Hu TT, Zhao HY. Accuracy of conventional MRI for preoperative diagnosis of intracranial tumors: A retrospective cohort study of 762 cases. Int J Surg. 2016 Dec;36(Pt A):109–117. https://doi.org/10.1016/j.ijsu.2016.10.023

8. Ugga L, Spadarella G, Pinto L, Cuocolo R, Brunetti A. Meningioma Radiomics: At the Nexus of Imaging, Pathology and Biomolecular Characterization. Cancers (Basel). 2022 May 25;14(11):2605. https://doi.org/10.3390/cancers14112605

9. Компьютерная программа для расчета гистограммных и текстурных параметров изображений MaZda ver.4.6. Режим доступа: http://www.eletel.p.lodz.pl/programy/mazda/index.php?action=mazda_46

10. Капишников А. В., Суровцев Е. Н., Удалов Ю. Д. Магнитно-резонансная томография первичных внемозговых опухолей: проблемы диагностики и перспективы радиомики. Медицинская радиология и радиационная безопасность. 2022;67(4):49–56. https://doi.org/10.33266/1024-6177-2022-67-4-49-56

11. Pfaehler E, Zhovannik I, Wei L, Boellaard R, Dekker A, Monshouwer R, et al. A systematic review and quality of reporting checklist for repeatability and reproducibility of radiomic features. Phys Imaging Radiat Oncol. 2021 Nov 9;20:69–75. https://doi.org/10.1016/j.phro.2021.10.007

12. Coroller TP, Bi WL, Huynh E, Abedalthagafi M, Aizer AA, Greenwald NF, et al. Radiographic prediction of meningioma grade by semantic and radiomic features. PLoS One. 2017 Nov 16;12(11):e0187908. https://doi.org/10.1371/journal.pone.0187908

13. Agafonova YD, Gaidel AV, Surovtsev EN, Kapishnikov AV. Meningioma Detection in MR Images Using Convolutional Neural Network and Computer Vision Methods. Journal of Biomedical Photonics & Engineering [Internet]. 2020 Sep 30;030301. https://doi.org/10.18287/jbpe20.06.030301

14. Халафян А.А. Statistica 6: статистический анализ данных. Учебное пособие. М.: Бином-Пресс; 2008, 512 с.

15. Fatima N, Maxwell AK, La Dine A, Barnard ZR, Mehta GU, Wilkinson EP, et al. Predictors of hearing functional outcome following surgery for cerebellopontine angle meningioma. J Neurooncol. 2022 Mar;157(1):165–176. https://doi.org/10.1007/s11060-022-03958-0