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
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%!UCCA影像工作坊丨“影像漫游”系列:雎安奇导演工作室游学[照片] 我的影像2022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!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例我的故事 —— 华西岁月(眼科)(下)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?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,深圳南山第二次徒步圣路,750公里葡萄牙之路+英国之路:D20~后会有期中疾控公布新冠感染情况:近期新冠死亡病例12658例“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在她身上重识「女性写作」:李斯佩克朵最后的影像【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 | 高分综述年仅58岁!上海交大教授阳康后,突发疾病逝世!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+文章学套路流浪宇宙的影像 | 第二届VITA地平线华语青年影展征片启动李新立教授: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 · 光刻系列之十六一个不在游戏规则里的影像制作者|接力访问013 万青他生命最后10小时的影像,再看依然泪目…多序列多区域影像组学冲击2区?学到就是赚到!感人!为了救父,澳洲华裔工程师转行医学研究,获巨额支持我的故事 —— 华西岁月(眼科)(上)寒流与圣诞祈祷10分+影像组学基因突变预测,学到就是赚到!影像组学+外部验证?2区起步不是梦!卫健委出手,单价3000万的影像设备将成三级医院标配?
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。