Текстурный анализ 3D-моделей в прогнозе степени дифференцировки светлоклеточного почечно-клеточного рака почки (пилотное исследование)


DOI: https://dx.doi.org/10.18565/urology.2023.4.105-112

А.В. Конышев, П.В. Глыбочко, Д.В. Бутнару, Ю.Г. Аляев, Е.С. Сирота, М.М. Черненький, И.М. Черненький, Д.Н. Фиев, А.В. Проскура, А.Р. Аджиев, С.А. Амрахов, А.А. Измайлова, И.П. Саркисьян, М.Ю. Алексеева, В.Н. Гридин, П.В. Бочкарёв, И.А. Кузнецов

1) Институт урологии и репродуктивного здоровья человека ФГАОУ ВО «Первый МГМУ им. И. М. Сеченова» Минздрава России (Сеченовский Университет), Москва, Россия; 2) Федеральное государственное бюджетное учреждение науки Центр информационных технологий в проектировании Российской академии наук (ЦИТП), Одинцово, Московская область, Россия
Цель исследования: оценить возможности текстурного анализа 3D-моделей патологического процесса в дифференцировке степени ядерной анаплазии светлоклеточного варианта почечно-клеточного рака (ПКР).
Материалы и методы. В ретроспективное исследование включены результаты хирургического лечения 190 пациентов со светлоклеточным вариантом ПКР. Во всех наблюдениях выполнялись органосохраняющие операции (ОСО) из лапароскопического доступа. Из клинических данных учитывались возраст, пол, локализация новообразования (по отношению стороны, поверхности и сегментов), абсолютный объем опухоли, индекс коморбидности Чарлсона, индекс массы тела, индексы нефрометрии (RENAL, PADOVA, C-index). Пациенты разделены на 2 группы: 1-я группа –
119 наблюдений со степенью ядерной анаплазии G1/2, 2-я группа –71 больной со степенью дифференцировки G3/4. Всем больным выполнялось 3D-виртуальное планирование операций посредством программы 3D-моделирования «Amira». На первом этапе двумя опытными врачами лучевой диагностики проведена сегментация 3D-моделей образований паренхимы почки в ручном режиме. На втором этапе проанализирована форма опухолей с математическим расчетом
3 показателей и извлечены более 300 текстурных признаков статистик 1–2-го типов. В дальнейшем осуществлен интеллектуальный анализ. В определении градации по Фурман решалась задача классификации с применением алгоритма машинного обучения Стохастического градиентного спуска и кросс-валидации k=5.
Результаты. Точность классификации для двух групп G1/2 и G3/4 составила 72,2 по метрике F1. Для построения модели были отобраны следующие значимые признаки: абсолютный объем опухоли, индекс коморбидности Чарлсона, «Энергия», первый квартиль и второй дециль распределения яркости пикселей.
Заключение. Использование текстурного анализа 3D-моделей в прогнозе грейда по Фурман светлоклеточного варианта ПКР продемонстрировало удовлетворительное качество моделей для двух групп G1/2 и G3/4 ядерной анаплазии.
Ключевые слова: текстурный анализ, 3D-технологии, рак паренхимы почки, машинное обучение
Полный текст статьи доступен
в "Библиотеке Врача"

Литература

1. Bhupender S. Chhikara, Keykavous Parang. Global Cancer Statistics 2022: The Trends Projection Analysis Chem. Biol. Lett. 2023;10(1):451.


2. Sung H., Ferlay J., Siegel R. et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin 2021;71(3):209–249.


3. Merabishvili V.M., Poltoratsky A.N., Nosov A.K., etc. The state of cancer care in Russia. Kidney cancer (morbidity, mortality, reliability of accounting, one-year and one-year mortality, histological structure). Part 1. Oncourology 2021;17(2):182–194. Russian (Мерабишвили В.М., Полторацкий А.Н., Носов А.К. и др. Состояние онкологической помощи в России. Рак почки (заболеваемость, смертность, достоверность учета, одногодичная и погодичная летальность, гистологическая структура). Часть 1. Онкоурология 2021;17(2):182–194).


4. Fuhrman S.A., Lasky L.C., Limas C. Prognostic significance of morphologic parameters in renal cell carcinoma. Am J Surg Pathol. 1982;6(7):655–663.


5. Erdoğan F., Demirel A., Polat Ö. Prognostic significance of morphologic parameters in renal cell carcinoma. Int J Clin Pract. 2004;58(4):333–336


6. Ljungberg B, Cowan NC, Hanbury DC, Hora M, Kuczyk MA, Merseburger AS, et al. EAU guidelines on renal cell carcinoma: the 2010 update. Eur Urol. 2010;58:398–406.


7. Pantuck AJ, Zeng G, Belldegrun AS, Figlin RA. Pathobiology, prognosis, and targeted therapy for renal cell carcinoma: exploiting the hypoxia-induced pathway. Clin Cancer Res 2003;9:4641–4652.


8. Davaro F., Roberts J. et al Robotic surgery does not afect upstaging of T1 renal masses Journal of Robotic Surgery, 2019.


9. Alyaev Yu.G., Glybochko P.V., Pushkar D.Yu. Russian clinical guidelines for urology. 2016. M., GEOTAR-Media. 496 p. Russian (Аляев Ю.Г.,Глыбочко П.В., Пушкарь Д.Ю. Российские клинические рекомендации по урологии. 2016. М., ГЭОТАР-Медиа. 496 с.).


10. Patel H.D. Semerjian A. et al. Surgical removal of renal tumors with low metastatic potential based on clinical radiographic size: A systematic review of the literature. Urologic Oncology: Seminars and Original Investigations. 2019;37:519−524.


11. Fujii Y., Komai Y., Saito K. et al. Incidence of benign pathologic lesions at partial nephrectomy for presumed RCC renal masses: Japanese dual-center experience with 176 consecutive patients. Urology. 2008;72:598–602.


12. Frank I., Blute M.L., Cheville J.C., et al: Solid renal tumors: an analysis of pathological features related to tumor size. J Urol. 2003;170:2217–2220.


13. Kim J.H., Li S., Khandwala Y., Chung K.J., Park H.K., Chung B.I. Association of prevalence of benign pathologic fifindings after partial nephrectomy with preoperative imaging patterns in the United States from 2007 to 2014. JAMA Surg. 2019;154:225–231.


14. Snyder M.E., Bach A., Kattan M.W., Raj G.V., Reuter V.E., Russo P.Incidence of benign lesions for clinically localized renal masses smaller than 7 cm in radiological diameter: influence of sex. J Urol. 2006;176:2391–2395.


15. Zhang L., Li XS., Zhou LQ. (2016) Renal Tumor Biopsy Technique. Chinese Medical Journal; 2016;20:1236–1240.


16. Kay F.U., Pedrosa I. Imaging of Solid Renal Masses. Radiologic Clinics of North America. 2017;55(2):243–258.


17. Reznek R.H. CT/MRI in staging renal cell carcinoma. Cancer Imaging 2004; 4(spec no A):S25–S32.


18. Cornelis F., Tricaud E. et al. Routinely performed multiparametric magnetic resonance imaging helps to differentiate common subtypes of renal tumours. European Society of Radiology. 2014.


19. Kang S.K., Zhang A., Pandharipande P.V., et al. DWI for renal mass characterization: systematic review and meta-analysis of diagnostic test performance. AJR Am J Roentgenol. 2015;205(2):317–324.


20. Gündoğana C., Çermika TF., et al. Role of contrast-enhanced 18F-FDG PET/CT imaging in the diagnosis and staging of renal tumors. Nuclear Medicine Communications. 2018;39:1174–1182.


21. Zhang L., Li X.S., Zhou L.Q. Renal Tumor Biopsy Technique. Chin Med J. 2016;129:1236–1240.


22. Roussel E., Capitanio U. et al. Novel Imaging Methods for Renal Mass Characterization: A Collaborative Review European urology. 2022;81:476–488.


23. Marconi L, Dabestani S, Lam TB, et al. Systematic review and meta-analysis of diagnostic accuracy of percutaneous renal tumour biopsy. Eur Urol. 2016;69(4):660–673.


24. Princea J., Bultman E. et al. Patient and tumor characteristics can predict nondiagnostic renal mass biopsy findings. J Urol. 2015;193(6):1899–1904.


25. Haider Rahbar, Sam Bhayani et al. Evaluation of Renal Mass Biopsy Risk Stratification Algorithm for Robotic Partial Nephrectomy – Could a Biopsy Have Guided Management? The journal of urology. 2014;192:1337–1342.


26. Ognerubov N.A., Shatov I.A., Shatov A.V. Radiogenomics and radiomics in the diagnosis of malignant tumors: literature review. Bulletin of the Tambov University. Natural and Technical Sciences series. Tambov, 2017;22(6):1453-1460. Russian (Огнерубов Н.А., Шатов И.А., Шатов А.В. Радиогеномика и радиомика в диагностике злокачественных опухолей: обзор литературы. Вестник Тамбовского университета. Серия Естественные и технические науки. Тамбов, 2017;22(6):1453–1460).


27. Davnall F., Yip C.S., Ljungqvist G., Selmi M., Ng F., Sanghera B. et al. Assessment of tumor heterogeneity: an emerging imaging tool for clinical practice? Insights Imaging. 2012;3 (6):573–589.


28. Varghese B.A., Chen F., Hwang D.H., Cen S.Y., Desai B., Gill I.S. и др. Differentiation of Predominantly Solid Enhancing Lipid-Poor Renal Cell Masses by Use of Contrast Enhanced CT: Evaluating the Role of Texture in Tumor Subtyping. AJR Am J Roentgenol. 2018;211(6):W288-W296.


29. Nie P., Yang G., Wang Z., Yan L., Miao W., Hao D. и др. A CT-based radiomics nomogram for differentiation of renal angiomyolipoma without visible fat from homogeneous clear cell renal cell carcinoma. EurRadiol. 2020;30(2):1274–1284.


30. Bektas C.T., Kocak B., Yardimci A.H., Turkcanoglu M.H., Yucetas U.,Koca S.B., et al. Clear Cell Renal Cell Carcinoma: Machine Learning-Based Quantitative Computed Tomography Texture Analysis for Prediction of Fuhrman Nuclear Grade. Euro Radiol 2019; 29(3):1153–1163. https://doi.org/10.1007/s00330-018-5698-2


31. Luo S., Wei R., Lu S., Lai S., Wu J., Wu Z., Pang X., Wei X., Jiang X., Zhen X., Yang R. Fuhrman nuclear grade prediction of clear cell renal cell carcinoma: influence of volume of interest delineation strategies on machine learning-based dynamic enhanced CT radiomics analysis. European Radiology. 2022;32:2340–2350.


32. Kierans A.S., Rusinek H., Lee A., et al. Textural Differences in apparent diffusion coeffificient between low- and high-stage clear cell renal cell carcinoma. Am J Roentgenol. 2014; 203:W637–W644. Doi:10.2214/AJR.14.12570.


33. Alyaev Yu.G., Sirota E.S., Proskura A.V. Digitalization of operations for kidney tumors. M.: GEOTAR-Media, 2021. p. 10-35. Russian (Аляев Ю.Г., Сирота Е.С., Проскура А.В. Цифровизация операций при опухоли почки. М.: ГЭОТАР-Медиа, 2021:10–35).


34. Sirota E.S., Gorduladze D.N., Rapoport L.M., Gridin V.N., Tsarichenko D.G.,Kuznetsov I.A., Bochkarev P.V., Alyaev Yu.G. Noninvasive morphological diagnostics of localized formations of the renal parenchyma (pilot study). REJR 2021;11(4):94–104. Doi: 10.21569/2222-7415-2021-11-4-94-10. Russian (Сирота Е.С., Гордуладзе Д.Н., Рапопорт Л.М., Гридин В.Н.,Цариченко Д.Г., Кузнецов И.А., Бочкарёв П.В., Аляев Ю.Г. Неинвазивная морфологическая диагностика локализованных образований паренхимы почки (пилотное исследование). REJR 2021;11(4):94–104. Doi: 10.21569/2222-7415-2021-11-4-94-104).


35. Minardi D., Lucarini G., Mazzucchelli R. et al. Prognostic role of Fuhrman grade and vascular endothelial growth factor in pT1a clear cell carcinoma in partial nephrectomy specimens. J Urol. 2005;174:1208–1212.


36. Charlson M.E., Pompei P., Ales K.L., MacKenzie C.R. A new method of classifying prognostic comorbidity in longitudinal studies: development and validation. J Chronic Dis. 1987;40(5):373–383. Doi: 10.1016/0021-9681(87)90171-8. PMID: 3558716.


37. Huang H., Chen S., Li W., Wu X., Xing J. High perirenal fat thickness predicts a poor progression-free survival in patients with localized clear cell renal cell carcinoma. Urol Oncol. 2018;36(4):157.e1-157.e6. Doi: 10.1016/j.urolonc.2017.12.011.


38. Zheng Y., Bao L., Wang W., Wang Q., Pan Y., Gao X. Prognostic impact of the Controlling Nutritional Status score following curative nephrectomy for patients with renal cell carcinoma. Medicine. 2018;97:e13409.


39. Kang H.W., Kim S.M., Kim W.T., Yun S.J., Lee S.C., Kim W.J., Hwang E.C., Kang S.H., Hong S.H., Chung J., Kwon T.G., Kim H.H., Kwak C., Byun S.S., Kim Y.J. KORCC (KOrean Renal Cell Carcinoma) Group. The age-adjusted Charlson comorbidity index as a predictor of overall survival of surgically treated non-metastatic clear cell renal cell carcinoma. J Cancer Res Clin Oncol. 2020;146(1):187–196. Doi: 10.1007/s00432-019-03042-7.


Об авторах / Для корреспонденции

А в т о р д л я с в я з и: А. В. Конышев – врач-уролог, соискатель Института урологии и репродуктивного здоровья человека, «Первый МГМУ им. И. М. Сеченова» (Сеченовский Университет) Москва, Россия; e-mail: urokulez@yandex.ru


Похожие статьи

К содержанию номера

Бионика Медиа