Skip to main content
main-content

09.11.2018 | Computer Applications

Preoperative radiomic signature based on multiparametric magnetic resonance imaging for noninvasive evaluation of biological characteristics in rectal cancer

Zeitschrift:
European Radiology
Autoren:
Xiaochun Meng, Wei Xia, Peiyi Xie, Rui Zhang, Wenru Li, Mengmeng Wang, Fei Xiong, Yangchuan Liu, Xinjuan Fan, Yao Xie, Xiangbo Wan, Kangshun Zhu, Hong Shan, Lei Wang, Xin Gao
Wichtige Hinweise

Electronic supplementary material

The online version of this article (https://​doi.​org/​10.​1007/​s00330-018-5763-x) contains supplementary material, which is available to authorized users.
Xiaochun Meng and Wei Xia are primary authors and contributed equally to this work.

Abstract

Objectives

To develop and validate radiomic models in evaluating biological characteristics of rectal cancer based on multiparametric magnetic resonance imaging (MP-MRI).

Methods

This study consisted of 345 patients with rectal cancer who underwent MP-MRI. We focused on evaluating five postoperative confirmed characteristics: lymph node (LN) metastasis, tumor differentiation, fraction of Ki-67-positive tumor cells, human epidermal growth factor receptor 2 (HER-2), and KRAS-2 gene mutation status. Data from 197 patients were used to develop the biological characteristics evaluation models. Radiomic features were extracted from MP-MRI and then refined for reproducibility and redundancy. The refined features were investigated for usefulness in building radiomic signatures by using two feature-ranking methods (MRMR and WLCX) and three classifiers (RF, SVM, and LASSO). Multivariable logistic regression was used to build an integrated evaluation model combining radiomic signatures and clinical characteristics. The performance was evaluated using an independent validation dataset comprising 148 patients.

Results

The MRMR and LASSO regression produced the best-performing radiomic signatures for evaluating HER-2, LN metastasis, tumor differentiation, and KRAS-2 gene status, with AUC values of 0.696 (95% CI, 0.610–0.782), 0.677 (95% CI, 0.591–0.763), 0.720 (95% CI, 0.621–0.819), and 0.651 (95% CI, 0.539–0.763), respectively. The best-performing signatures for evaluating Ki-67 produced an AUC value of 0.699 (95% CI, 0.611–0.786), and it was developed by WLCX and RF algorithm. The integrated evaluation model incorporating radiomic signature and MRI-reported LN status had improved AUC of 0.697 (95% CI, 0.612–0.781).

Conclusion

Radiomic signatures based on MP-MRI have potential to noninvasively evaluate the biological characteristics of rectal cancer.

Key Points

• Radiomic features were extracted from MP-MRI images of the rectal tumor.
The proposed radiomic signatures demonstrated discrimination ability in identifying the histopathological, immunohistochemical, and genetic characteristics of rectal cancer.
• All MRI sequences were important and could provide complementary information in radiomic analysis.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

★ PREMIUM-INHALT
e.Med Interdisziplinär

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf SpringerMedizin.de. Zusätzlich können Sie eine Zeitschrift Ihrer Wahl in gedruckter Form beziehen – ohne Aufpreis.

Weitere Produktempfehlungen anzeigen
Zusatzmaterial
ESM 1 (DOC 2182 kb)
330_2018_5763_MOESM1_ESM.doc
Literatur
Über diesen Artikel
  1. Das kostenlose Testabonnement läuft nach 14 Tagen automatisch und formlos aus. Dieses Abonnement kann nur einmal getestet werden.

Neu im Fachgebiet Radiologie

04.11.2018 | Klinik aktuell | Nachrichten | Onlineartikel

Radikale Klinik-Reformen als Blaupause?

03.11.2018 | Recht für Ärzte | Nachrichten | Onlineartikel

Das Kreuz mit dem Kreuz

Meistgelesene Bücher aus der Radiologie

2016 | Buch

Medizinische Fremdkörper in der Bildgebung

Thorax, Abdomen, Gefäße und Kinder

Dieses einzigartige Buch enthält ca. 1.600 hochwertige radiologische Abbildungen und Fotos iatrogen eingebrachter Fremdmaterialien im Röntgenbild und CT.

Herausgeber:
Dr. med. Daniela Kildal

2011 | Buch

Atlas Klinische Neuroradiologie des Gehirns

Radiologie lebt von Bildern! Der vorliegende Atlas trägt dieser Tatsache Rechnung. Sie finden zu jedem Krankheitsbild des Gehirns Referenzbilder zum Abgleichen mit eigenen Befunden.

Autoren:
Priv.-Doz. Dr. med. Jennifer Linn, Prof. Dr. med. Martin Wiesmann, Prof. Dr. med. Hartmut Brückmann

Mail Icon II Newsletter

Bestellen Sie unseren kostenlosen Newsletter Update Radiologie und bleiben Sie gut informiert – ganz bequem per eMail.

Bildnachweise