Evaluierung von Radiomics Charakteristika aus diffusionsgewichteter Bildgebung zur Unterscheidung zwischen Mammakarzinomen mit unterschiedlichen molekularen Subtypen und Rezeptorstatus

Zielsetzung:

Ziel dieser Studie war es, aus diffusionsgewichteter Bildgebung (DWI) extrahierte Radiomics Signaturen zur Unterscheidung zwischen Mammakarzinomen mit unterschiedlichen molekularen Subtypen und Rezeptorstatus zu evaluieren.

Material und Methoden:

Es wurden 91 Patienten mit histologisch diagnostiziertem Mammakarzinom (luminal A, n = 49; luminal B, n = 8; HER2-enriched, n = 11; triple negative, n = 23) und multiparametrischem 3T MRT in diese retrospektive Studie eingeschlossen. Zwei Arten der Segmentierung wurden verglichen: a) alle Läsionen wurden manuell auf DWI mit hohem b-Wert segmentiert und daraufhin auf ADC maps übertragen, während b) eine Subgruppe (n = 79) direkt auf der ADC map segmentiert wurde. Die Radiomics Charakteristika inkludierten Histogram (HIS), Co-occurence Matrix (COM), Run-length Matrix (RLM), absoluter Gradient (GRA), autoregressives Modell (ARM), Haar wavelet Transformation (WAV) und Läsionsgeometrie (GEO). Fisher, probability of error and average correlation und mutual information Koeffizienten dienten zur Selektion der Charakteristika. Eine lineare Diskriminanzanalyse und k-nearest neighbor Klassifikation wurde zur paarweisen Differenzierung zwischen molekularen Subtypen verwendet. Als Goldstandard diente die Histopathologie.

Ergebnisse:

Folgende diagnostische Genauigkeiten über 90% ergaben sich für Vorgehen a) Segmentierung auf DWI: luminal B vs. HER2-enriched, 94,7% (basierend auf COM Charakteristika); luminal B vs. Alle anderen, 92,3% (COM, HIS); HER2-enriched vs. alle anderen, 90,1% (RLM, COM). Bessere Ergebnisse wurden mit Vorgehen b), Segmentierung auf ADC maps, erzielt: luminal A vs. luminal B, 91,5% (COM, WAV); luminal B vs. HER2-enriched, 100% (COM, WAV); luminal B vs. others, 91,1% (WAV, ARM, COM).

Schlussfolgerungen:

Aus DWI-Daten extrahierte Radiomics Charakteristika ermöglichen die Evaluierung der molekularen Subtypen und des Rezeptorenstatus von Mammakarzinomen mit hoher diagnostischer Genauigkeit. Bessere Resultate ergeben sich, wenn die Tumorsegmentierung direkt auf ADC maps erfolgt.