経動脈化学塞栓療法の治療効果の予測因子としての造影超音波画像に描かれた腫瘍血管ネットワーク

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Ultrasound Med Biol.2020 Jun;S0301-5629(20)30219-2. doi: 10.1016/j.ultrasmedbio.2020.05.010.Epub 2020-06-16.

経動脈化学塞栓療法の治療効果の予測因子としての造影超音波画像に描かれた腫瘍血管ネットワーク

Tumor Vascular Networks Depicted in Contrast-Enhanced Ultrasound Images as a Predictor for Transarterial Chemoembolization Treatment Response.

Ipek Oezdemir
Corrine E Wessner
Colette Shaw
John R Eisenbrey
Kenneth Hoyt

PMID: 32561069 DOI: 10.1016/j.ultrasmedbio.2020.05.010.

抄録

肝細胞癌（HCC）は世界中で流行している。様々な治療法があるが、その中でも経動脈化学塞栓療法（TACE）は、腫瘍への栄養と酸素の供給を制限することにより、腫瘍の血管ネットワークに適用することができる。このネットワークのユニークな形態学的特性は、将来の治療反応を予測する情報を提供する可能性があり、これは治療計画中の意思決定に重要である。腹部造影超音波（CEUS）画像に描かれた腫瘍血管ネットワークから形態学的特徴を抽出することは、臓器の動き、クラッタ信号による解像度の制限、複数のスケールでの血管構造のセグメンテーションなど、いくつかの課題に直面しています。本研究では、臨床的なCEUS画像と既知の病理学的反応を用いて、TACE治療に対するHCCの反応を予測するための画像処理および解析アプローチを提示する。この手法は、2段階の動き補正戦略、クラッタ信号除去、マルチスケールでの血管強調、予測モデル化のための機械学習を組み込むことで、CEUSの課題に対処することに焦点を当てている。TACE治療前の36人のHCC患者のCEUS画像から、腫瘍アーキテクチャからの形態的特徴、すなわち血管数（NV）、分岐数（NB）、血管対組織比（VR）、平均血管長、蛇行度、直径を定量化した。解析の結果、NV、NB、VRが長期的なTACE奏効の予測に支配的な特徴であることが明らかになった。このモデルの精度は86％、感度は89％、特異度は82％であった。CEUS由来の画像特徴量を用いたTACE治療反応の信頼性の高い予測は、個別化された治療計画の提供に役立つ可能性があり、最終的には患者転帰の改善につながると考えられる。

Hepatocellular carcinoma (HCC) is prevalent worldwide. Among the various therapeutic options, transarterial chemoembolization (TACE) can be applied to the tumor vascular network by restricting the nutrients and oxygen supply to the tumor. Unique morphologic properties of this network may provide information predictive of future therapeutic responses, which would be significant for decision making during treatment planning. The extraction of morphologic features from the tumor vascular network depicted in abdominal contrast-enhanced ultrasound (CEUS) images faces several challenges, such as organ motion, limited resolution caused by clutter signal and segmentation of the vascular structures at multiple scales. In this study, we present an image processing and analysis approach for the prediction of HCC response to TACE treatment using clinical CEUS images and known pathologic responses. This method focuses on addressing the challenges of CEUS by incorporating a two-stage motion correction strategy, clutter signal removal, vessel enhancement at multiple scales and machine learning for predictive modeling. The morphologic features, namely, number of vessels (NV), number of bifurcations (NB), vessel to tissue ratio (VR), mean vessel length, tortuosity and diameter, from tumor architecture were quantified from CEUS images of 36 HCC patients before TACE treatment. Our analysis revealed that NV, NB and VR are the dominant features for the prediction of long-term TACE response. The model had an accuracy of 86% with a sensitivity and specificity of 89% and 82%, respectively. Reliable prediction of the TACE therapy response using CEUS-derived image features may help to provide personalized therapy planning, which will ultimately improve patient outcomes.