Определение гистологического типа рака легких на основе радиомического анализа данных компьютерной томографии

Аннотация:

Рак легких является одним из самых распространенных онкологических заболеваний. Для морфологической верификации опухоли используются бронхоскопия и трансторакальная биопсия легких под контролем компьютерной томографии (КТ). Обе эти технологии являются инвазивными с определенными рисками и высокими затратами. Точность морфологически верифицированного диагноза рака легкого в России достигает в среднем 88,2%. От гистологического типа рака легких зависят тактика лечения, характер течения и прогноз заболевания. “Золотым стандартом” диагностики рака легких является КT органов грудной клетки. Развивающимся направлением обработки КТ-изображений является радиомика - математический анализ данных лучевых методов исследований, позволяющий выявлять особенности текстуры ткани на уровне, недоступном глазу врача-рентгенолога. Применение методов радиомики может способствовать определению гистологического типа рака легкого еще на этапе диагностического поиска. Цель исследования: разработка метода определения наиболее распространенных гистологических типов рака легких на основе текстурного анализа КТ-изображений органов грудной клетки. Материал и методы. B исследование были включены данные 200 пациентов, проходивших лечение в РНЦРР с гистологически подтвержденным раком легкого, из них 100 пациентов с мелкоклеточным раком легкого, 100 пациентов с немелкоклеточным раком легкого (50 из них с аденокарциномой и 50 - с плоскоклеточным раком легкого). Для каждого образования было рассчитано 107 радиомических показателей. Построение моделей машинного обучения производилось на языке программирования Python 3.10 с использованием специализированных библиотек. Для выбора наиболее эффективных моделей использовались стандартные метрики машинного обучения: precision, recall, accuracy, fl-мера и площадь под характеристической кривой (ROC-AUC). Результаты. Разработаны различные модели машинного обучения, наилучшими метриками обладали градиентный бустинг для дифференцировки немелкоклеточного рака легкого и мелкоклеточного рака легкого с площадью под ROC-кривой 0,973 и случайный лес на основе трех деревьев для дифференцировки аденокарциномы и плоскоклеточного рака легкого с площадью под ROC-кривой 0,833. Заключение. Разработанные нами модели классификации обладают высокими метриками диагностической точности, что позволяет говорить о применимости показателей радиомики для дифференцировки различных типов рака легкого на этапе диагностического поиска, а также в ситуациях с невозможностью получения материала для гистологического исследования.

Авторы:

Издание: Медицинская визуализация
Год издания: 2025
Объем: 10с.
Дополнительная информация: 2025.-N 2.-С.29-38. Библ. 24 назв.
Просмотров: 1