Published May 12, 2020 | Version v1
Publication Open

Radiomics of Multiparametric MRI to Predict Biochemical Recurrence of Localized Prostate Cancer After Radiation Therapy

Creators

  • 1. Beijing Hospital
  • 2. Peking University
  • 3. Peking University Cancer Hospital
  • 4. City Of Hope National Medical Center

Description

Background: To identify multiparametric magnetic resonance imaging (mp-MRI)-based radiomics features as prognostic factors in patients with localized prostate cancer after radiotherapy. Methods: From 2011 to 2016, a total of 91 consecutive patients with T1-4N0M0 prostate cancer were identified and divided into two cohorts for an adaptive boosting (Adaboost) model (training cohort: n=73; test cohort: n=18). All patients were treated with neoadjuvant endocrine therapy followed by radiotherapy. The optimal feature set, identified through an Inception-Resnet v2 network, consisted of a combination of T1, T2, and diffusion-weighted imaging (DWI) MR series. Through a Wilcoxon sign rank test, a total of 45 distinct signatures were extracted from 1536 radiomics features and used in our Adaboost model. Results: Among 91 patients, 29 (32%) were classified as biochemical recurrence (BCR) and 62 (68%) as non-BCR. Once trained, the model demonstrated a predictive classification accuracy of 50.0% and 86.1% respectively for BCR and non-BCR groups on our test samples. The overall classification accuracy of the test cohort was 74.1%. The highest classification accuracy was 77.8% between three-fold cross-validation. The areas under the curve (AUC) of receiver operating characteristic curve (ROC) indices for the training and test cohorts were 0.99 and 0.73, respectively. Conclusion: The promise of multiparametric MRI-based radiomics to predict the BCR of localized prostate cancer patients was demonstrated in this manuscript. This analysis provided additional prognostic factors based on routine MR images and holds the potential to contribute to precision medicine and inform treatment management.

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

Translated Description (Arabic)

معلومات أساسية: لتحديد ميزات التصوير بالرنين المغناطيسي متعدد المعلمات (MP - MRI) كعوامل تنبؤية في المرضى الذين يعانون من سرطان البروستاتا الموضعي بعد العلاج الإشعاعي. الطرق: من عام 2011 إلى عام 2016، تم تحديد ما مجموعه 91 مريضًا متتاليًا بسرطان البروستاتا T1 -4N0M0 وتم تقسيمهم إلى مجموعتين لنموذج التعزيز التكيفي (Adaboost) (مجموعة التدريب: العدد=73 ؛ مجموعة الاختبار: العدد=18). تم علاج جميع المرضى بعلاج الغدد الصماء المساعد الجديد متبوعًا بالعلاج الإشعاعي. تتكون مجموعة الميزات المثلى، التي تم تحديدها من خلال شبكة Inception - Resnet v2، من مزيج من سلسلة التصوير بالرنين المغناطيسي T1 و T2 والتصوير الموزون بالانتشار (DWI). من خلال اختبار رتبة علامة ويلكوكسون، تم استخراج ما مجموعه 45 توقيعًا متميزًا من 1536 ميزة راديوميكس واستخدامها في نموذج Adaboost الخاص بنا. النتائج: من بين 91 مريضًا، تم تصنيف 29 (32 ٪) على أنها تكرار كيميائي حيوي (BCR) و 62 (68 ٪) على أنها غير BCR. بمجرد التدريب، أظهر النموذج دقة تصنيف تنبؤية بنسبة 50.0 ٪ و 86.1 ٪ على التوالي لمجموعات BCR وغير BCR في عينات الاختبار الخاصة بنا. بلغت دقة التصنيف الإجمالية لمجموعة الاختبار 74.1 ٪. كانت أعلى دقة تصنيف 77.8 ٪ بين التحقق المتبادل الثلاثي. كانت المناطق الواقعة تحت المنحنى (AUC) لمؤشرات منحنى خصائص تشغيل جهاز الاستقبال (ROC) لمجموعات التدريب والاختبار 0.99 و 0.73 على التوالي. الخلاصة: تم توضيح وعد علم الأشعة القائم على التصوير بالرنين المغناطيسي متعدد المعلمات للتنبؤ بـ BCR لمرضى سرطان البروستاتا الموضعيين في هذه المخطوطة. قدم هذا التحليل عوامل تنبؤية إضافية بناءً على صور الرنين المغناطيسي الروتينية ولديه القدرة على المساهمة في الطب الدقيق وإبلاغ إدارة العلاج.

Translated Description (French)

Contexte : Identifier les caractéristiques radiomiques basées sur l'imagerie par résonance magnétique multiparamétrique (mp-MRI) en tant que facteurs pronostiques chez les patients atteints d'un cancer de la prostate localisé après la radiothérapie. Méthodes : De 2011 à 2016, un total de 91 patients consécutifs atteints d'un cancer de la prostate T1-4N0M0 ont été identifiés et divisés en deux cohortes pour un modèle de stimulation adaptative (Adaboost) (cohorte d'entraînement : n=73 ; cohorte de test : n=18). Tous les patients ont été traités par un traitement endocrinien néoadjuvant suivi d'une radiothérapie. L'ensemble de fonctionnalités optimal, identifié par un réseau Inception-Resnet v2, consistait en une combinaison de séries IRM T1, T2 et d'imagerie pondérée par diffusion (DWI). Grâce à un test de rang de signe Wilcoxon, un total de 45 signatures distinctes ont été extraites de 1536 caractéristiques radiomiques et utilisées dans notre modèle Adaboost. Résultats : Parmi 91 patients, 29 (32 %) ont été classés comme récidive biochimique (RCB) et 62 (68 %) comme non-RCB. Une fois formé, le modèle a démontré une précision de classification prédictive de 50,0 % et 86,1 % respectivement pour les groupes BCR et non-BCR sur nos échantillons de test. La précision de classification globale de la cohorte de test était de 74,1 %. La précision de classification la plus élevée était de 77,8 % entre trois fois la validation croisée. Les aires sous la courbe (ASC) des indices de la courbe caractéristique de fonctionnement (roc) du récepteur pour les cohortes d'entraînement et de test étaient de 0,99 et 0,73, respectivement. Conclusion : La promesse d'une radiomique multiparamétrique basée sur l'IRM pour prédire le BCR des patients atteints d'un cancer de la prostate localisé a été démontrée dans ce manuscrit. Cette analyse a fourni des facteurs pronostiques supplémentaires basés sur des images IRM de routine et a le potentiel de contribuer à la médecine de précision et d'informer la prise en charge du traitement.

Translated Description (Spanish)

Antecedentes: Identificar las características radiológicas basadas en imágenes de resonancia magnética multiparamétrica (mp-MRI) como factores pronósticos en pacientes con cáncer de próstata localizado después de la radioterapia. Métodos: De 2011 a 2016, se identificaron un total de 91 pacientes consecutivos con cáncer de próstata T1-4N0M0 y se dividieron en dos cohortes para un modelo de refuerzo adaptativo (Adaboost) (cohorte de entrenamiento: n=73; cohorte de prueba: n=18). Todos los pacientes fueron tratados con terapia endocrina neoadyuvante seguida de radioterapia. El conjunto de características óptimo, identificado a través de una red Inception-Resnet v2, consistía en una combinación de T1, T2 y series de RM de imágenes ponderadas por difusión (DWI). A través de una prueba de rango de signos de Wilcoxon, se extrajeron un total de 45 firmas distintas de 1536 características radiómicas y se utilizaron en nuestro modelo Adaboost. Resultados: Entre 91 pacientes, 29 (32%) se clasificaron como recurrencia bioquímica (BCR) y 62 (68%) como no BCR. Una vez entrenado, el modelo demostró una precisión de clasificación predictiva de 50.0% y 86.1% respectivamente para los grupos BCR y no BCR en nuestras muestras de prueba. La precisión de la clasificación general de la cohorte de prueba fue del 74,1%. La mayor precisión de clasificación fue del 77,8% entre la validación cruzada de tres veces. Las áreas bajo la curva (AUC) de los índices de curva característica operativa del receptor (Roc) para las cohortes de entrenamiento y prueba fueron 0,99 y 0,73, respectivamente. Conclusión: La promesa de la radiómica basada en resonancia magnética multiparamétrica para predecir la BCR de pacientes con cáncer de próstata localizado se demostró en este manuscrito. Este análisis proporcionó factores de pronóstico adicionales basados en imágenes de RM de rutina y tiene el potencial de contribuir a la medicina de precisión e informar el manejo del tratamiento.

Files

pdf.pdf

Files (765.2 kB)

⚠️ 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
md5:231af5bd67c20b4eea3585593cfd91cc
765.2 kB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
علم الأشعة للتصوير بالرنين المغناطيسي متعدد البارامترات للتنبؤ بالتكرار الكيميائي الحيوي لسرطان البروستاتا الموضعي بعد العلاج الإشعاعي
Translated title (French)
Radiomics of Multiparametric MRI to Predict Biochemical Recurrence of Localized Prostate Cancer After Radiation Therapy
Translated title (Spanish)
Radiomics of Multiparametric MRI to Predict Biochemical Recurrence of Localized Prostate Cancer After Radiation Therapy

Identifiers

Other
https://openalex.org/W3021441388
DOI
10.3389/fonc.2020.00731

Is supplement to
https://openalex.org/W4248961190 (Other)
https://openalex.org/W3088568761 (Other)
https://openalex.org/W2789785430 (Other)
https://openalex.org/W2783534960 (Other)
https://openalex.org/W2412226549 (Other)
https://openalex.org/W2238979065 (Other)
https://openalex.org/W2129602766 (Other)
https://openalex.org/W2021957287 (Other)
https://openalex.org/W2009319121 (Other)
https://openalex.org/W1506464168 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1771067798
  • https://openalex.org/W2001551406
  • https://openalex.org/W2006810710
  • https://openalex.org/W2093867637
  • https://openalex.org/W2095549404
  • https://openalex.org/W2103004421
  • https://openalex.org/W2105739910
  • https://openalex.org/W2106924197
  • https://openalex.org/W2109300873
  • https://openalex.org/W2137393851
  • https://openalex.org/W2142266080
  • https://openalex.org/W2149459776
  • https://openalex.org/W2157375947
  • https://openalex.org/W2174661749
  • https://openalex.org/W2183341477
  • https://openalex.org/W2288539044
  • https://openalex.org/W2346343836
  • https://openalex.org/W2350997045
  • https://openalex.org/W2401040035
  • https://openalex.org/W2467451464
  • https://openalex.org/W2506062488
  • https://openalex.org/W2514628397
  • https://openalex.org/W2523732469
  • https://openalex.org/W2531444579
  • https://openalex.org/W2550944924
  • https://openalex.org/W2562490391
  • https://openalex.org/W2591992783
  • https://openalex.org/W2753148287
  • https://openalex.org/W28171415
  • https://openalex.org/W3002685488
  • https://openalex.org/W313065440