Применение радиомического анализа и алгоритмов машинного обучения для выявления постинфарктного кардиосклероза у пациентов с ишемической кардиомиопатией по данным магнитно-резонансной томографии сердца без контрастирования

Аннотация:

Цель. Изучение и сравнение информативности моделей машинного обучения, основанных на радиомических показателях бесконтрастных изображений магнитно-резонансной томографии (МРТ) сердца в кинорежиме, для дифференцировки участков постинфарктного кардиосклероза и интактного миокарда у пациентов с ишемической кардиомиопатией (ИКМП). В данное ретроспективное исследование было включено 88 пациентов с показаниями для хирургического лечения ИКМП. На предоперационном этапе всем пациентам выполняли МРТ сердца с контрастированием. Радиомический анализ применялся к бесконтрастным изображениям МРТ в кинорежиме. Все изображения были сегментированы с использованием программного обеспечения 3D slicer (version 5.2.2), радиомические признаки извлекались с помощью модуля SlicerRadiomics. Текстурному анализу было подвергнуто 176 участков изображений МРТ сердца в кинорежиме, для каждого из которых определялись по 107 текстурных характеристик. Применялись следующие алгоритмы машинного обучения: алгоритм случайного леса, алгоритм на основе логистической регрессии, алгоритмы градиентного бустинга с отбором и без отбора признаков. Статистическая обработка данных и построение моделей машинного обучения проводилось на языке программирования Python. В результате были построены диаграммы коллинеарности признаков, выявлены признаки с нулевой важностью и установлена важность признаков, оценена кумулятивная важность признаков в зависимости от их общего количества, выявлены параметры с наименьшей значимостью. Получено, что 34 признака не вносят никакого вклада в суммарную значимость. В результате применения Lasso-регуляризации были отобраны 10 наиболее информативных показателей: 3 признака формы, 2 признака первого порядка и 5 текстурных характеристик. Наряду с моделью логистической регрессии (АUС=0,83), алгоритм градиентного бустинга CatBoost показал высокую производительность (АUС=0,8), при этом применение отбора признаков способствовало улучшению всех используемых в исследовании моделей с наивысшими результатами в CatBoost (AUC=0,83). Алгоритм случайного леса показал менее надежные результаты по сравнению с другими моделями и может рассматриваться как дополнительный метод при необходимости интерпретации признаков. Заключение. Показаны высокие потенциальные возможности применения радиомического анализа для дифференцировки рубцовой и жизнеспособной ткани миокарда левого желудочка у пациентов с ИКМП, что открывает перспективы его использования в качестве альтернативы традиционным методам отсроченного контрастирования у данных пациентов.

Авторы:

Издание: Российский кардиологический журнал
Год издания: 2025
Объем: 24с.
Дополнительная информация: 2025.-N 12.-С.57-80. Библ. 14 назв.
Просмотров: 1