Redian新闻
>
仅58例患者的影像组学研究,8分+!

仅58例患者的影像组学研究,8分+!

公众号新闻



整体感知


1.题目要素拆解

 


文章题目提供了三条信息:


1)预测模型:基于对比增强CT(提取的)影像组学(特征构建的)列线图;


2)结局:抗PD-1抗体治疗效果(免疫应答);


3)研究对象:(经抗PD-1抗体治疗的)晚期HCC患者;


2.文章基本信息



3.核心要素


研究对象(P):标准一线治疗的难治性的HCC晚期且经抗PD-1抗体药物治疗患者(n = 58)

预后模型(I/C):LASSO/RS/SVM/DT

结局指标(O):抗PD-1抗体治疗效果;

研究类型(S):回顾性队列研究,预后预测类型


4.变量分析


预测变量(X):影像组学signature;

结局变量(Y):  抗PD-1抗体治疗效果;

协变量(Z):临床数据(年龄,性别,BCLC分期,ECOG评分,Child-Pugh分级,肿瘤栓子,肿瘤结节数,ALBI分级,应答结果);


实验室数据(甲胎蛋白 (AFP) ,谷丙转氨酶(ALT),谷草转氨酶 (AST),白蛋白(ALB),总胆红素 (TBIL) ,凝血酶原时间 (PT) ,白蛋白-胆红素 (ALBI) 评分)。


5.研究背景


临床问题:免疫治疗引发了为提高 HCC 患者肿瘤应答和延长患者生存期的热潮,然而,只有一小部分患者从PD-1/PD-L1单一疗法中获益,因此,挖掘晚期肝癌精确治疗的疗效预测因子非常重要。


目前方法不足:TMB)和PD-L1表达是PD-1/PD-L1治疗效果研究最广泛的预测标志物。然而1)肝细胞癌中TMB高的患者比例较低,且无主流临床试验报道;2)PD-L1的阳性表达只有约20%的HCC患者发生,但是即使PD-L1表达阴性的患者也通常观察到良好的抗肿瘤反应。


本文解决方式:通过融合预处理CECT影像和临床风险因素开发和验证影像组学列线图,以评估晚期肝癌患者的抗PD-1治疗效果。


科学假设:预测模型可以准确预测 HCC晚期患者的抗PD-1药物治疗效果。


模型构建


1.纳入排除标准建立


第一部分:文章方法部分解读


纳入标准


年龄≥18岁且经两种影像学检查或病理活检诊断为肝癌;

 对标准一线治疗无效;

 BCLC分级C期,或分级为B期且无法忍受进一步手术切除;

 Child-Pugh 肝功能分级为A(手术危险度小) 或 B(手术危险度适中) ;

 ECOG体能状态评分≤3;

 mRECIST 在基线时≥1 个可测量的病灶;

 

http://oncol.dxy.cn/article/515075

https://www.cn-healthcare.com/articlewm/20210417/content-1211074.html

https://max.book118.com/html/2021/0615/6145012005003201.shtm


无心、肺、肾功能障碍,预期寿命≥3个月。


排除标准


基线无增强CT扫描;

② 随访期间接受局部治疗;

③ 可能影响研究结果的脑或软脑膜转移或不受控制的疾病;

怀孕或哺乳的妇女;

 目前有或有除HCC以外的恶行肿瘤病史;

 HAV/HCV/HDV/HIV血清学阳性;

 参加了其它临床实验;


第二部分:PICOS原则梳理


P:

年龄:≥18岁;

性别:男性(n=52),女性(n=6);

疾病状态:首诊初治;

疾病分期:ALBI分级(I, II, III);

治疗方案:抗PD-1抗体治疗(特瑞普利单抗,240mg/2周;卡瑞利珠单抗,200mg/2-3周,信迪利单抗,200mg/3周);

诊断标准:病理诊断或经两种影像学诊断;


I/C:

影像设备:CT;

扫描序列:平扫,对比增强CT动脉期(25s);

靶区:沿肿瘤轮廓勾画全瘤WTR,肿瘤轮廓外 10 mm处自动瘤周PTR;

影像检查时间点:患者在baseline和之后的 2.8 (1.2, 6.2) 个月时接受了 CT 检查,但文章对baseline并无明确定义;

层厚:1mm;

对比剂:1.5ml/kg体重的造影剂以3.0ml/s的速度通过肘静脉注射;


O:

近期疗效:免疫应答;


第三部分:纳排及分组结果


最终,共纳入85名患者,将数据集按7:3的比例随机分为训练集(n=40)和测试集(n=18)。并通过样本量检验进行评估。


Figure 1


第四部分:结局标签及患者基线情况

 

 

Table 2


2.图像分割(+图像预处理)


图像分割


执行: 2名超过10年经验的放射科医生;

影像:平扫+对比增强CT(动脉期)(2D);

工具:3D slicer V4.10.2,自动生成圆周区域的软件;

靶区定义:WTR(沿肿瘤轮廓勾画整个肿瘤)+PTR(肿瘤轮廓外10mm区域);


小注:这里作者表明了将PTR设置为肿瘤轮廓外10mm的原因,先不说有无道理,但解释一句还是有必要的;


 

考虑到PD-1抑制剂治疗的患者大多处于晚期,在训练集和测试集的平均肿瘤尺寸分别为8.38 ± 3.95 cm 和 9.29 ± 4.08 cm,为了避免纳入过多的无用信息选择10mm作为边界。





结果显示:

 

Figure 2


图像预处理


① 重采样:将图像重采样到体素大小为1*1*1cm^3以标准化体素间距;

② 归一化:对灰度值进行归一化处理以减少图像采集信号强度差异;


3.特征提取(+数据预处理)


特征提取


工具:Pyradiomics V3.0;

特征类型:形态学特征、一阶特征、GLCM、GLRLM、GLSZM、NGTDM、GLDM;

随后运用小波变换,再对各特征进行一遍提取;

提取结果:最终提取到3160个影像组学特征;


数据预处理


目的:消除特征值之间的差异程度;

方法:z-score(z=(x-μ)/σ)标准化;

工具:caret包(R);


4.特征选择


第一步:特征的一致性评价


目的:检测分割结果的可靠性;

方法:组间/组内相关系数ICC & 戴斯相似系数DSC(cut-off > 0.75);

结果:WTR(1432)PTR(1360);


第二步:相关性分析


目的:消除冗余;

方法:Spearman's相关性检验(cut-off < 0.95);

结果:WTR(732)PTR(650);


第三步:差异显著性检验


目的:PD vs non-PD(CR+PR+SD);

方法:student t检验;

结果:WTR(26)PTR(17);


第四步:特征选择


目的筛选TOP特征;

方法:10折交叉验证 + LASSO/RF/SVM/DT;

性能评估:AUC & F1-score,通过比较采用性能最好的LASSO回归作为特征选择方法;


Table S1

 

Figure 3


结果:最终得到特征WTR(6)PTR(3);


根据LASSO方程进行Radscore计算


Radscore1:融合 Radscore(WTR+PTR)


结果显示:

 


Radscore2:肿瘤 Radscore(WTR)


结果显示:

 


5.模型建立


单因素 & 多因素Logistic回归


目的:分析独立风险因素

结果:

模型1:融合 Radscore、ALBI分级、肿瘤栓子

模型2:肿瘤 Radscore、ALBI分级、肿瘤栓子

模型3:ALBI分级、肿瘤栓子

基于结果绘制三个模型的列线图

工具:RMS包


Figure 5


小注:本文用森林图可视化单因素和多因素分析结果,在这个看颜值的时代,是不是比单纯展示表格要好很多呢?




方差膨胀因子VIF分析


目的:分析有多重共线性的特征

cut-off:10

结果:特征VIF均<10


Figure 6


模型评价


1.模型区分度评价


目的:评价模型区分不同结局事件的能力

方法C-index

工具:Hmisc包

结果:训练集(0.851);验证集(0.791)

方法:ROC曲线 & AUC指标

工具:pROC包

结果:训练集0.894 (0.797–0.991);验证集0.883 (95% CI, 0.716–0.998)

训练集AUC模型1 vs 模型2 vs 模型3: 0.894 vs 0.846 vs 0.740

验证集AUC模型1 vs 模型2 vs 模型3: 0.883 vs 0.831 vs 0.739

 

Figure 7


模型具有较好的预测能力


2.模型校准度评价


目的:评价模型预测结局事件于实际结局事件之间的差距

方法:校准曲线 & Hosmer-Lemeshow逻辑回归的拟合度检验

工具:RMS包

结果:训练集(P = 0.758)和验证集(P = 0.537)中的预测值和真实值具有较好的一致性

 

Figure 8


3.模型临床获益评价


目的:评价模型是否能指导临床决策

方法:决策曲线分析(DCA)

工具RMDA包

结果:模型1有更好的临床实用性

 

Figure 9


4.文章质控评分RQS计算


结果:本文得分/总分 = 20/36

 

Table S2


全文总结


本文写作规范,结构完整,是很好的影像组学与肿瘤免疫相结合的学习素材。为此,鑫仔绘制了一个流程图供大家学习~~


 

好啦,新的一年,我们继续一起学习更多的影像组学玩法,我们下期见喽o(* ̄▽ ̄*)ブ



END

撰文丨鑫仔老师
审核丨鑫仔老师
责编丨小张老师


往期推荐









微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
UCCA影像工作坊丨“影像漫游”系列:雎安奇导演工作室游学感人!为了救父,澳洲华裔工程师转行医学研究,获巨额支持Wendy W,女,中国科学院理化技术研究所硕博连读,高级工程师,月入约2.7万,83年,高158,广州/佛山影像组学+外部验证?2区起步不是梦!流浪宇宙的影像 | 第二届VITA地平线华语青年影展征片启动影像组学列线图预测局部晚期鼻咽癌诱导化疗应答——跟着7+文章学套路对话陈海汶:用影像给文字做历史参照,还给那个时代的人们以尊严 | 财经影像 · 光刻系列之十六李新立教授:从组方到机制,从替代指标到硬终点研究,芪苈强心为心衰治疗提供中国研究证据子虚乌有的“苏联逼债” 短史记《阿凡达:水之道》:“世界之王”献给已消逝未来的影像挽歌笙箫,女,华南理工大学研究生,事业单位工程师,年薪35万+,91年,高158,广州越秀他生命最后10小时的影像,再看依然泪目…【首发】飞图影像获数千万元A+轮融资,加速数字影像生态布局[照片] 我的影像2022一周102人病亡,5869人确诊!澳养老院疫情恶化,活跃病例数达6588例卫健委出手,单价3000万的影像设备将成三级医院标配?年仅58岁!上海交大教授阳康后,突发疾病逝世!要点总结,复发性心包炎的影像学和靶向治疗进展 | 高分综述中疾控公布新冠感染情况:近期新冠死亡病例12658例作为一场被直播的战争,乌克兰战场的影像和开源情报可信吗?在她身上重识「女性写作」:李斯佩克朵最后的影像我的故事 —— 华西岁月(眼科)(上)一个不在游戏规则里的影像制作者|接力访问013 万青10分+影像组学基因突变预测,学到就是赚到!“我们常会低估一项技术对未来的影响,高估它对今天的影响”|CEIS2023现场实录②多序列多区域影像组学冲击2区?学到就是赚到!第二次徒步圣路,750公里葡萄牙之路+英国之路:D20~后会有期增4558例!明日列车中断预报在此!退休改革最新要点来了!近七成法国人吃不起了!全法主要城市房价普跌发展恐怖如斯!ChatGPT不仅可用来做科学研究,还能让虚拟的数字社会不断学习、演化ACC 中国之声丨中国真实世界研究,依洛尤单抗可使患者支架内再狭窄风险降低85%!寒流与圣诞祈祷我的故事 —— 华西岁月(眼科)(下)国内首例!洲瓴医疗完成脉冲电场系统治疗COPD临床研究,造福超1亿慢阻肺患者深蓝,女,华南师范大学研究生,教师,月入2万+,89年,高165,深圳南山原来影像组学也可以不用自己绘制靶区,这才是影像组学未来的发展趋势!
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。