この論文では、頭頸部がん(HNC)患者の口咽頭部位における再発フリー生存(RFS)を予測するCox比例ハザード(CoxPH)モデルが構築されました。臨床情報とComputed Tomography(CT)およびPositron Emission Tomography(PET)から抽出された多面的なラジオミクス特徴量を利用した当該モデルは、HEad and neCK TumOR(HECKTOR)チャレンジデータでトレーニングされ、最も性能の良いモデルは臨床情報と多面的なCTおよびPETラジオミクス特徴量を利用した場合に0.74のコンコーダンス指数(C-index)を達成しました。また、セグメンテーション精度が抽出されたラジオミクス特徴量の予測力に及ぼす影響についても探究しました。セグメンテーション精度はPETとCTに異なる影響を与えることが確認されました。
Prediction of recurrence free survival of head and neck cancer using PET/CT radiomics and clinical information
Stats
最も性能の良いモデルは臨床情報と多面的なCTおよびPETラジオミクス特徴量を利用した場合に0.74のコンコーダンス指数(C-index)を達成しました。
CT+臨床情報のGround truth モデルは0.77のC-indexであり、最高性能であった。
PET+臨床情報のGround truth モデルは0.65のC-indexであり、他のGround truth モデルよりも低かった。
PET+臨床情報 モデルはUnder-segmentation に影響され、Annotations がr=2でOver-segmented の場合に最高性能を示しました。
CT+臨床情報 モデルはOver-segmentation に敏感であった。
Quotes
"HEad and neCK TumOR (HECKTOR) challenge provided FDG-PET and CT images of patients diagnosed with oropharyngeal HNC."
"Our models utilise both clinical information and multimodal radiomics features extracted from tumour regions in Computed Tomography (CT) and Positron Emission Tomography (PET)."
"The best performing model achieved a concordance index (C-index) of 0.74 for the model utilising clinical information and multimodal CT and PET radiomics features."
"Our under- and over-segmentation study confirms that segmentation accuracy affects radiomics extraction, however, it affects PET and CT differently."