Published March 11, 2021 | Version v1
Publication Open

Predicting the Level of Tumor-Infiltrating Lymphocytes in Patients With Breast Cancer: Usefulness of Mammographic Radiomics Features

Creators

  • 1. China-Japan Friendship Hospital
  • 2. Beijing Institute of Technology
  • 3. Peking University
  • 4. Peking Union Medical College Hospital
  • 5. Chinese Academy of Medical Sciences & Peking Union Medical College

Description

This study aimed to investigate whether radiomics classifiers from mammography can help predict tumor-infiltrating lymphocyte (TIL) levels in breast cancer.Data from 121 consecutive patients with pathologically-proven breast cancer who underwent preoperative mammography from February 2018 to May 2019 were retrospectively analyzed. Patients were randomly divided into a training dataset (n = 85) and a validation dataset (n = 36). A total of 612 quantitative radiomics features were extracted from mammograms using the Pyradiomics software. Radiomics feature selection and radiomics classifier were generated through recursive feature elimination and logistic regression analysis model. The relationship between radiomics features and TIL levels in breast cancer patients was explored. The predictive capacity of the radiomics classifiers for the TIL levels was investigated through receiver operating characteristic curves in the training and validation groups. A radiomics score (Rad score) was generated using a logistic regression analysis method to compute the training and validation datasets, and combining the Mann-Whitney U test to evaluate the level of TILs in the low and high groups.Among the 121 patients, 32 (26.44%) exhibited high TIL levels, and 89 (73.56%) showed low TIL levels. The ER negativity (p = 0.01) and the Ki-67 negative threshold level (p = 0.03) in the low TIL group was higher than that in the high TIL group. Through the radiomics feature selection, six top-class features [Wavelet GLDM low gray-level emphasis (mediolateral oblique, MLO), GLRLM short-run low gray-level emphasis (craniocaudal, CC), LBP2D GLRLM short-run high gray-level emphasis (CC), LBP2D GLDM dependence entropy (MLO), wavelet interquartile range (MLO), and LBP2D median (MLO)] were selected to constitute the radiomics classifiers. The radiomics classifier had an excellent predictive performance for TIL levels both in the training and validation sets [area under the curve (AUC): 0.83, 95% confidence interval (CI), 0.738-0.917, with positive predictive value (PPV) of 0.913; AUC: 0.79, 95% CI, 0.615-0.964, with PPV of 0.889, respectively]. Moreover, the Rad score in the training dataset was higher than that in the validation dataset (p = 0.007 and p = 0.001, respectively).Radiomics from digital mammograms not only predicts the TIL levels in breast cancer patients, but can also serve as non-invasive biomarkers in precision medicine, allowing for the development of treatment plans.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

هدفت هذه الدراسة إلى التحقيق فيما إذا كانت مصنفات علم الأشعة من التصوير الشعاعي للثدي يمكن أن تساعد في التنبؤ بمستويات الخلايا الليمفاوية المتسللة للورم (TIL) في سرطان الثدي. تم تحليل البيانات من 121 مريضًا متتاليًا يعانون من سرطان الثدي المثبت مرضيًا والذين خضعوا للتصوير الشعاعي للثدي قبل الجراحة من فبراير 2018 إلى مايو 2019 بأثر رجعي. تم تقسيم المرضى بشكل عشوائي إلى مجموعة بيانات التدريب (العدد = 85) ومجموعة بيانات التحقق من الصحة (العدد = 36). تم استخراج ما مجموعه 612 ميزة إشعاعية كمية من صور الثدي الشعاعية باستخدام برنامج البيراديوم. تم إنشاء اختيار ميزة راديوميكس ومصنف راديوميكس من خلال إزالة الميزة المتكررة ونموذج تحليل الانحدار اللوجستي. تم استكشاف العلاقة بين ميزات علم الأشعة ومستويات سمسم في مرضى سرطان الثدي. تم التحقق من القدرة التنبؤية لمصنفات علم الإشعاع لمستويات TIL من خلال منحنيات خصائص تشغيل جهاز الاستقبال في مجموعات التدريب والتحقق من الصحة. تم إنشاء درجة راديوميكس (درجة راد) باستخدام طريقة تحليل الانحدار اللوجستي لحساب مجموعات بيانات التدريب والتحقق من الصحة، والجمع بين اختبار مان ويتني U لتقييم مستوى TILs في المجموعتين المنخفضة والعالية. من بين 121 مريضًا، أظهر 32 (26.44 ٪) مستويات عالية من TIL، وأظهر 89 (73.56 ٪) مستويات منخفضة من TIL. كانت سلبية ER (p = 0.01) ومستوى العتبة السلبية لـ Ki -67 (p = 0.03) في مجموعة TIL المنخفضة أعلى من تلك الموجودة في مجموعة TIL العالية. من خلال اختيار ميزة الراديوميات، تم اختيار ست ميزات من الدرجة الأولى [تركيز مويجات GLDM منخفض المستوى الرمادي (مائل جانبي وسطي، MLO)، تركيز مويجات GLRLM قصير المدى منخفض المستوى الرمادي (قحفي ذنبي، CC)، تركيز LBP2D GLRLM قصير المدى عالي المستوى الرمادي (CC)، إنتروبيا اعتماد LBP2D GLDM (MLO)، نطاق الموجات الرباعية (MLO)، ومتوسط LBP2D (MLO)] لتشكيل مصنفات الراديوميات. كان لمصنف علم الإشعاع أداء تنبؤي ممتاز لمستويات TIL في كل من مجموعات التدريب والتحقق [المنطقة تحت المنحنى (AUC): 0.83، فاصل ثقة 95 ٪ (CI)، 0.738-0.917، مع قيمة تنبؤية موجبة (PPV) 0.913 ؛ AUC: 0.79، 95 ٪ CI، 0.615-0.964، مع قيمة تنبؤية موجبة 0.889، على التوالي]. علاوة على ذلك، كانت درجة الراد في مجموعة بيانات التدريب أعلى من تلك الموجودة في مجموعة بيانات التحقق من الصحة (p = 0.007 و p = 0.001، على التوالي). لا تتنبأ الأشعة المأخوذة من التصوير الشعاعي للثدي الرقمي بمستويات TIL في مرضى سرطان الثدي فحسب، بل يمكن أن تعمل أيضًا كمؤشرات حيوية غير باضعة في الطب الدقيق، مما يسمح بتطوير خطط العلاج.

Translated Description (French)

Cette étude visait à déterminer si les classificateurs radiomiques de la mammographie peuvent aider à prédire les taux de lymphocytes infiltrant les tumeurs (TIL) dans le cancer du sein. Les données de 121 patientes consécutives atteintes d'un cancer du sein pathologiquement prouvé qui ont subi une mammographie préopératoire de février 2018 à mai 2019 ont été analysées rétrospectivement. Les patients ont été divisés au hasard en un ensemble de données d'entraînement (n = 85) et un ensemble de données de validation (n = 36). Au total, 612 caractéristiques radiomiques quantitatives ont été extraites des mammographies à l'aide du logiciel Pyradiomics. La sélection des caractéristiques radiomiques et le classificateur radiomique ont été générés par l'élimination récursive des caractéristiques et le modèle d'analyse de régression logistique. La relation entre les caractéristiques radiomiques et les niveaux de TIL chez les patientes atteintes de cancer du sein a été explorée. La capacité prédictive des classificateurs radiomiques pour les niveaux TIL a été étudiée À l'aide de courbes de caractéristiques de fonctionnement du récepteur dans les groupes de formation et de validation. Un score radiomique (score Rad) a été généré à l'aide d'une méthode d'analyse de régression logistique pour calculer les ensembles de données de formation et de validation, et en combinant le test U de Mann-Whitney pour évaluer le niveau de til dans les groupes faible et élevé. Parmi les 121 patients, 32 (26,44 %) présentaient des niveaux de TIL élevés et 89 (73,56 %) présentaient des niveaux de TIL faibles. La négativité du RE (p = 0,01) et le niveau de seuil négatif Ki-67 (p = 0,03) dans le groupe TIL faible étaient plus élevés que dans le groupe TIL élevé. Grâce à la sélection des caractéristiques radiomiques, six caractéristiques de première classe [Wavelet GLDM low gray-level emphasis (mediolateral oblique, MLO), GLRLM short-run low gray-level emphasis (craniocaudal, CC), LBP2D GLRLM short-run high gray-level emphasis (CC), LBP2D GLDM dependence entropy (MLO), wavelet interquartile range (MLO) et LBP2D median (MLO)] ont été sélectionnées pour constituer les classificateurs radiomiques. Le classificateur radiomique avait une excellente performance prédictive pour les niveaux TIL À la fois dans les ensembles d'entraînement et de validation [aire sous la courbe (AUC) : 0,83, intervalle de confiance (IC) à 95 %, 0,738-0,917, avec une valeur prédictive positive (PPV) de 0,913 ; AUC : 0,79, IC à 95 %, 0,615-0,964, avec une PPV de 0,889, respectivement]. De plus, le score Rad dans l'ensemble de données de formation était supérieur à celui de l'ensemble de données de validation (p = 0,007 et p = 0,001, respectivement). La radiomique à partir de mammographies numériques prédit non seulement les niveaux TIL chez les patientes atteintes de cancer du sein, mais peut également servir de biomarqueurs non invasifs en médecine de précision, permettant l'élaboration de plans de traitement.

Translated Description (Spanish)

Este estudio tuvo como objetivo investigar si los clasificadores radiológicos de la mamografía pueden ayudar a predecir los niveles de linfocitos infiltrantes de tumores (TIL) en el cáncer de mama. Se analizaron retrospectivamente los datos de 121 pacientes consecutivas con cáncer de mama patológicamente probado que se sometieron a una mamografía preoperatoria desde febrero de 2018 hasta mayo de 2019. Los pacientes se dividieron aleatoriamente en un conjunto de datos de entrenamiento (n = 85) y un conjunto de datos de validación (n = 36). Se extrajeron un total de 612 características radiómicas cuantitativas de las mamografías utilizando el software Pyradiomics. La selección de características de radiómica y el clasificador de radiómica se generaron a través de la eliminación recursiva de características y el modelo de análisis de regresión logística. Se exploró la relación entre las características radiológicas y los niveles de TIL en pacientes con cáncer de mama. Se investigó la capacidad predictiva de los clasificadores radiológicos para los niveles de TIL a través de curvas características de funcionamiento del receptor en los grupos de entrenamiento y validación. Se generó una puntuación radiómica (puntuación Rad) utilizando un método de análisis de regresión logística para calcular los conjuntos de datos de entrenamiento y validación, y combinando la prueba U de Mann-Whitney para evaluar el nivel de til en los grupos bajo y alto. Entre los 121 pacientes, 32 (26.44%) mostraron niveles altos de TIL y 89 (73.56%) mostraron niveles bajos de TIL. La negatividad del RE (p = 0,01) y el nivel umbral negativo de Ki-67 (p = 0,03) en el grupo de TIL bajo fue mayor que en el grupo de TIL alto. A través de la selección de características de radiómica, se seleccionaron seis características de primera clase [énfasis de bajo nivel de gris de Wavelet GLDM (oblicuo mediolateral, MLO), énfasis de bajo nivel de gris de corto plazo de GLRLM (craneocaudal, CC), énfasis de alto nivel de gris de corto plazo de LBP2D GLRLM (CC), entropía de dependencia de GLDM de LBP2D (MLO), rango intercuartílico de wavelet (MLO) y mediana de LBP2D (MLO)] para constituir los clasificadores de radiómica. El clasificador de radiómica tuvo un excelente rendimiento predictivo para los niveles de TIL tanto en los conjuntos de entrenamiento como de validación [área bajo la curva (AUC): 0,83, intervalo de confianza (IC) del 95%, 0,738-0,917, con valor predictivo positivo (VPP) de 0,913; AUC: 0,79, IC del 95%, 0,615-0,964, con VPP de 0,889, respectivamente]. Además, la puntuación Rad en el conjunto de datos de entrenamiento fue mayor que en el conjunto de datos de validación (p = 0,007 y p = 0,001, respectivamente). La radiómica de las mamografías digitales no solo predice los niveles de TIL en pacientes con cáncer de mama, sino que también puede servir como biomarcadores no invasivos en medicina de precisión, lo que permite el desarrollo de planes de tratamiento.

Files

pdf.pdf

Files (1.2 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:14f2072d96d541e5272f41310ab5e717
1.2 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
التنبؤ بمستوى الخلايا الليمفاوية المرشحة للورم لدى المرضى المصابين بسرطان الثدي: فائدة ميزات التصوير الإشعاعي للثدي
Translated title (French)
Prédire le niveau de lymphocytes infiltrant les tumeurs chez les patientes atteintes d'un cancer du sein : utilité des caractéristiques de la radiomique mammographique
Translated title (Spanish)
Predicción del nivel de linfocitos infiltrantes de tumores en pacientes con cáncer de mama: utilidad de las características de la radiómica mamográfica

Identifiers

Other
https://openalex.org/W3134525157
DOI
10.3389/fonc.2021.628577

Is supplement to
https://openalex.org/W4388577230 (Other)
https://openalex.org/W4225316186 (Other)
https://openalex.org/W4205100762 (Other)
https://openalex.org/W3009210156 (Other)
https://openalex.org/W3000891326 (Other)
https://openalex.org/W2734724112 (Other)
https://openalex.org/W2582997534 (Other)
https://openalex.org/W2496284264 (Other)
https://openalex.org/W2386767720 (Other)
https://openalex.org/W2066363065 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1988580039
  • https://openalex.org/W2045844658
  • https://openalex.org/W2052295501
  • https://openalex.org/W2120431466
  • https://openalex.org/W2133765759
  • https://openalex.org/W2135298509
  • https://openalex.org/W2167831582
  • https://openalex.org/W2174661749
  • https://openalex.org/W2313168486
  • https://openalex.org/W2346265746
  • https://openalex.org/W2529700497
  • https://openalex.org/W2583966135
  • https://openalex.org/W2587297900
  • https://openalex.org/W2599245250
  • https://openalex.org/W2616461360
  • https://openalex.org/W2619520579
  • https://openalex.org/W2737082469
  • https://openalex.org/W2744067212
  • https://openalex.org/W2771978163
  • https://openalex.org/W2790626109
  • https://openalex.org/W2804850886
  • https://openalex.org/W2808203302
  • https://openalex.org/W2888835462
  • https://openalex.org/W2896799864
  • https://openalex.org/W2896925126
  • https://openalex.org/W2913160101
  • https://openalex.org/W2917416145
  • https://openalex.org/W2952610116
  • https://openalex.org/W2977196766
  • https://openalex.org/W2981830068
  • https://openalex.org/W2983683688
  • https://openalex.org/W2991970218
  • https://openalex.org/W3016790979