Published February 25, 2022 | Version v1
Publication Open

CT-Based Radiomics Showing Generalization to Predict Tumor Regression Grade for Advanced Gastric Cancer Treated With Neoadjuvant Chemotherapy

Creators

  • 1. Ruijin Hospital
  • 2. Shanghai Jiao Tong University
  • 3. Peking University
  • 4. Peking University Cancer Hospital
  • 5. Siemens (China)
  • 6. Siemens Healthcare (Germany)

Description

The aim of this study was to develop and validate a radiomics model to predict treatment response in patients with advanced gastric cancer (AGC) sensitive to neoadjuvant therapies and verify its generalization among different regimens, including neoadjuvant chemotherapy (NAC) and molecular targeted therapy.A total of 373 patients with AGC receiving neoadjuvant therapies were enrolled from five cohorts. Four cohorts of patients received different regimens of NAC, including three retrospective cohorts (training cohort and internal and external validation cohorts) and a prospective Dragon III cohort (NCT03636893). Another prospective SOXA (apatinib in combination with S-1 and oxaliplatin) cohort received neoadjuvant molecular targeted therapy (ChiCTR-OPC-16010061). All patients underwent computed tomography before treatment, and thereafter, tumor regression grade (TRG) was assessed. The primary tumor was delineated, and 2,452 radiomics features were extracted for each patient. Mutual information and random forest were used for dimensionality reduction and modeling. The performance of the radiomics model to predict TRG under different neoadjuvant therapies was evaluated.There were 28 radiomics features selected. The radiomics model showed generalization to predict TRG for AGC patients across different NAC regimens, with areas under the curve (AUCs) (95% interval confidence) of 0.82 (0.76~0.90), 0.77 (0.63~0.91), 0.78 (0.66~0.89), and 0.72 (0.66~0.89) in the four cohorts, with no statistical difference observed (all p > 0.05). However, the radiomics model showed poor predictive value on the SOXA cohort [AUC, 0.50 (0.27~0.73)], which was significantly worse than that in the training cohort (p = 0.010).Radiomics is generalizable to predict TRG for AGC patients receiving NAC treatments, which is beneficial to transform appropriate treatment, especially for those insensitive to NAC.

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

Translated Description (Arabic)

كان الهدف من هذه الدراسة هو تطوير نموذج إشعاعي والتحقق من صحته للتنبؤ باستجابة العلاج لدى المرضى الذين يعانون من سرطان المعدة المتقدم (AGC) الحساس للعلاجات المساعدة الجديدة والتحقق من تعميمه بين الأنظمة المختلفة، بما في ذلك العلاج الكيميائي المساعد الجديد (NAC) والعلاج الجزيئي المستهدف. تم تسجيل ما مجموعه 373 مريضًا يعانون من AGC يتلقون علاجات مساعدة جديدة من خمس مجموعات. تلقت أربع مجموعات من المرضى أنظمة مختلفة من NAC، بما في ذلك ثلاث مجموعات بأثر رجعي (مجموعة التدريب ومجموعات التحقق الداخلية والخارجية) ومجموعة التنين الثالث المحتملة (NCT03636893). تلقت مجموعة SOXA محتملة أخرى (أباتينيب بالاشتراك مع S -1 و oxaliplatin) علاجًا مستهدفًا جزيئيًا مساعدًا جديدًا (ChiCTR - OPC -16010061). خضع جميع المرضى للتصوير المقطعي المحوسب قبل العلاج، وبعد ذلك، تم تقييم درجة انحدار الورم. تم تحديد الورم الأساسي، وتم استخراج 2452 سمة إشعاعية لكل مريض. تم استخدام المعلومات المتبادلة والغابات العشوائية للحد من الأبعاد والنمذجة. تم تقييم أداء نموذج علم الأشعة للتنبؤ بمضادات الميكروبات تحت العلاجات المساعدة الجديدة المختلفة. تم اختيار 28 ميزة من سمات علم الأشعة. أظهر نموذج علم الأشعة تعميمًا للتنبؤ بمجموعات التركيز الانتقائي لمرضى التصلب الجانبي الأمامي عبر أنظمة التصلب الجانبي الأمامي المختلفة، مع وجود مناطق تحت المنحنى (AUCs) (ثقة فاصلة بنسبة 95 ٪) تبلغ 0.82 (0.76 ~ 0.90)، 0.77 (0.63 ~ 0.91)، 0.78 (0.66 ~ 0.89)، و 0.72 (0.66 ~ 0.89) في المجموعات الأربع، مع عدم ملاحظة أي فرق إحصائي (الكل > 0.05). ومع ذلك، أظهر نموذج علم الأشعة قيمة تنبؤية ضعيفة على مجموعة SOXA [AUC، 0.50 (0.27 ~ 0.73)]، والتي كانت أسوأ بكثير من تلك الموجودة في مجموعة التدريب (p = 0.010). علم الأشعة قابل للتعميم للتنبؤ بـ TRG لمرضى AGC الذين يتلقون علاجات NAC، وهو أمر مفيد لتحويل العلاج المناسب، خاصة بالنسبة لأولئك غير الحساسين لـ NAC.

Translated Description (French)

L'objectif de cette étude était de développer et de valider un modèle radiomique pour prédire la réponse au traitement chez les patients atteints d'un cancer gastrique avancé (CAG) sensible aux thérapies néoadjuvantes et de vérifier sa généralisation entre différents schémas thérapeutiques, y compris la chimiothérapie néoadjuvante (CNA) et la thérapie moléculaire ciblée. Un total de 373 patients atteints de CAG recevant des thérapies néoadjuvantes ont été recrutés dans cinq cohortes. Quatre cohortes de patients ont reçu différents schémas de NAC, dont trois cohortes rétrospectives (cohorte de formation et cohortes de validation interne et externe) et une cohorte prospective Dragon III (NCT03636893). Une autre cohorte prospective SOXA (apatinib en association avec S-1 et oxaliplatine) a reçu un traitement moléculaire ciblé néoadjuvant (ChiCTR-OPC-16010061). Tous les patients ont subi une tomodensitométrie avant le traitement, et par la suite, le grade de régression tumorale (TRG) a été évalué. La tumeur primaire a été délimitée et 2 452 caractéristiques radiomiques ont été extraites pour chaque patient. L'information mutuelle et la forêt aléatoire ont été utilisées pour la réduction de la dimensionnalité et la modélisation. La performance du modèle radiomique pour prédire la TRG sous différentes thérapies néoadjuvantes a été évaluée. 28 caractéristiques radiomiques ont été sélectionnées. Le modèle radiomique a montré une généralisation pour prédire la TRG chez les patients atteints d'AGC selon différents protocoles NAC, avec des aires sous la courbe (ASC) (confiance à 95 % dans l'intervalle) de 0,82 (0,76 ~ 0,90), 0,77 (0,63 ~ 0,91), 0,78 (0,66 ~ 0,89) et 0,72 (0,66 ~ 0,89) dans les quatre cohortes, sans différence statistique observée (tous p > 0,05). Cependant, le modèle radiomique a montré une faible valeur prédictive sur la cohorte SOXA [ASC, 0,50 (0,27 ~ 0,73)], ce qui était significativement pire que dans la cohorte de formation (p = 0,010). La radiomique est généralisable pour prédire la TRG chez les patients atteints de CAG recevant des traitements NAC, ce qui est bénéfique pour transformer un traitement approprié, en particulier pour ceux qui sont insensibles à la NAC.

Translated Description (Spanish)

El objetivo de este estudio fue desarrollar y validar un modelo radiológico para predecir la respuesta al tratamiento en pacientes con cáncer gástrico avanzado (CGA) sensibles a las terapias neoadyuvantes y verificar su generalización entre diferentes regímenes, incluida la quimioterapia neoadyuvante (NAC) y la terapia molecular dirigida. Se inscribieron un total de 373 pacientes con CGA que recibieron terapias neoadyuvantes de cinco cohortes. Cuatro cohortes de pacientes recibieron diferentes regímenes de NAC, incluidas tres cohortes retrospectivas (cohorte de entrenamiento y cohortes de validación interna y externa) y una cohorte prospectiva de Dragon III (NCT03636893). Otra cohorte prospectiva de SOXA (apatinib en combinación con S-1 y oxaliplatino) recibió terapia molecular dirigida neoadyuvante (ChiCTR-OPC-16010061). Todos los pacientes se sometieron a tomografía computarizada antes del tratamiento y, posteriormente, se evaluó el grado de regresión tumoral (TRG). Se delineó el tumor primario y se extrajeron 2452 características radiológicas para cada paciente. La información mutua y el bosque aleatorio se utilizaron para la reducción de la dimensionalidad y el modelado. Se evaluó el rendimiento del modelo de radiomics para predecir TRG bajo diferentes terapias neoadyuvantes. Se seleccionaron 28 características de radiomics. El modelo radiómico mostró una generalización para predecir TRG para pacientes con AGC en diferentes regímenes de NAC, con áreas bajo la curva (AUC) (confianza del intervalo del 95%) de 0,82 (0,76 ~ 0,90), 0,77 (0,63 ~ 0,91), 0,78 (0,66 ~ 0,89) y 0,72 (0,66 ~ 0,89) en las cuatro cohortes, sin diferencias estadísticas observadas (todas p > 0,05). Sin embargo, el modelo radiómico mostró un valor predictivo deficiente en la cohorte Soxa [AUC, 0,50 (0,27 ~ 0,73)], que fue significativamente peor que en la cohorte de entrenamiento (p = 0,010). La radiómica es generalizable para predecir TRG para pacientes con AGC que reciben tratamientos con NAC, lo que es beneficioso para transformar el tratamiento adecuado, especialmente para aquellos insensibles a NAC.

Files

pdf.pdf

Files (2.2 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
md5:8be5af9e254ed207b0b259754a4c032f
2.2 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
الأشعة المقطعية التي تظهر التعميم للتنبؤ بدرجة انحدار الورم لسرطان المعدة المتقدم المعالج بالعلاج الكيميائي المساعد الجديد
Translated title (French)
Radiomique basée sur la tomodensitométrie montrant une généralisation pour prédire le grade de régression tumorale pour le cancer gastrique avancé traité par chimiothérapie néoadjuvante
Translated title (Spanish)
Radiómica basada en TC que muestra generalización para predecir el grado de regresión tumoral para el cáncer gástrico avanzado tratado con quimioterapia neoadyuvante

Identifiers

Other
https://openalex.org/W4214695200
DOI
10.3389/fonc.2022.758863

Is supplement to
https://openalex.org/W4375946141 (Other)
https://openalex.org/W3023623073 (Other)
https://openalex.org/W2997470213 (Other)
https://openalex.org/W2588335262 (Other)
https://openalex.org/W2339872203 (Other)
https://openalex.org/W2288066013 (Other)
https://openalex.org/W2111912746 (Other)
https://openalex.org/W2062301734 (Other)
https://openalex.org/W2056166643 (Other)
https://openalex.org/W1994295934 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1408981388
  • https://openalex.org/W1875373156
  • https://openalex.org/W1996916701
  • https://openalex.org/W2019607817
  • https://openalex.org/W2113935263
  • https://openalex.org/W2114489245
  • https://openalex.org/W2115072149
  • https://openalex.org/W2128739912
  • https://openalex.org/W2145092426
  • https://openalex.org/W2146834306
  • https://openalex.org/W2174661749
  • https://openalex.org/W2276228008
  • https://openalex.org/W2537321298
  • https://openalex.org/W2593482127
  • https://openalex.org/W2606926876
  • https://openalex.org/W2607037368
  • https://openalex.org/W2741953965
  • https://openalex.org/W2747382292
  • https://openalex.org/W2763355946
  • https://openalex.org/W2770821916
  • https://openalex.org/W2802168390
  • https://openalex.org/W2885326465
  • https://openalex.org/W2889586091
  • https://openalex.org/W2889646458
  • https://openalex.org/W2903016288
  • https://openalex.org/W2922510938
  • https://openalex.org/W2922572382
  • https://openalex.org/W2935936692
  • https://openalex.org/W2938774982
  • https://openalex.org/W2965399740
  • https://openalex.org/W2998789541
  • https://openalex.org/W3004306740
  • https://openalex.org/W3007007406
  • https://openalex.org/W3010704116
  • https://openalex.org/W3011780798
  • https://openalex.org/W3013141357
  • https://openalex.org/W3028140649
  • https://openalex.org/W3028711397
  • https://openalex.org/W3030173007
  • https://openalex.org/W3042059812
  • https://openalex.org/W3110463492
  • https://openalex.org/W4206757063
  • https://openalex.org/W4211007657
  • https://openalex.org/W4211130279