中咽頭がんにおけるヒトパピローマウイルスの状態予測のための、MRIに基づく放射線ゲノムモデルの一般性と頑健性を向上させる後処理ステップ

Post-processing steps improve generalisability and robustness of an MRI-based radiogenomic model for human papillomavirus status prediction in oropharyngeal cancer.

抄録

目的:

画像の後処理ステップがMRIベースのラジオジェノミクスモデルの一般性に及ぼす影響を評価すること。中咽頭扁平上皮がん（OPSCC）のヒトパピローマウイルス（HPV）状態予測モデルを用いて、異なる施設や画像収集プロトコルのデータ間で汎用性を高めるための異なる後処理戦略の可能性を検討する。

OBJECTIVES: To assess the impact of image post-processing steps on the generalisability of MRI-based radiogenomic models. Using a human papillomavirus (HPV) status in oropharyngeal squamous cell carcinoma (OPSCC) prediction model, this study examines the potential of different post-processing strategies to increase its generalisability across data from different centres and image acquisition protocols.

材料と方法:

異なる施設からの2つのコホートのOPSCC患者の造影T1強調MR画像で、HPVステータスが確認されたものを手作業でセグメンテーションした。放射線学的特徴抽出を行った後、91人の患者からなるトレーニングセットで学習させたHPV予測モデルを、62人の患者からなるテストセットと157人の患者からなる外部由来コホートという2つの独立したコホートでテストした。データ処理オプションには、異なる施設からのデータの一貫性を確保するためのプロセスであるデータ調和、異なるセグメンテーションとスキャンプロトコルにまたがる不安定な特徴の除外、冗長性を減らすための相関性の高い特徴の除去が含まれた。

MATERIALS AND METHODS: Contrast-enhanced T1-weighted MR images of OPSCC patients of two cohorts from different centres, with confirmed HPV status, were manually segmented. After radiomic feature extraction, the HPV prediction model trained on a training set with 91 patients was subsequently tested on two independent cohorts: a test set with 62 patients and an externally derived cohort of 157 patients. The data processing options included: data harmonisation, a process to ensure consistency in data from different centres; exclusion of unstable features across different segmentations and scan protocols; and removal of highly correlated features to reduce redundancy.

結果:

後処理なしで学習された予測モデルは、テストセットで高い性能を示し、AUCは0.79（95％CI：0.66-0.90、p<0.001）であった。しかし、外部データでテストした場合、モデルの性能は低く、AUCは0.52（95％CI：0.45-0.58、p＝0.334）となった。モデルの汎化性は、後処理ステップを実行した後に大幅に改善された。テストセットのAUCは0.76（95％CI：0.63-0.87、p＜0.001）に達し、一方、外部コホートの予測モデルのAUCは0.73（95％CI：0.64-0.81、p＜0.001）であった。

RESULTS: The predictive model, trained without post-processing, showed high performance on the test set, with an AUC of 0.79 (95% CI: 0.66-0.90, p < 0.001). However, when tested on the external data, the model performed less well, resulting in an AUC of 0.52 (95% CI: 0.45-0.58, p = 0.334). The model's generalisability substantially improved after performing post-processing steps. The AUC for the test set reached 0.76 (95% CI: 0.63-0.87, p < 0.001), while for the external cohort, the predictive model achieved an AUC of 0.73 (95% CI: 0.64-0.81, p < 0.001).

結論:

モデル開発前に後処理ステップを適用することで、放射線ゲノム予測モデルの頑健性と一般性を高めることができる。

CONCLUSIONS: When applied before model development, post-processing steps can enhance the robustness and generalisability of predictive radiogenomics models.

キーポイント:

問題 MRIに基づく放射線ゲノム予測モデルの汎用性に、後処理ステップはどのように影響するか？結果 モデル開発前に後処理ステップ、すなわちデータの整合化、安定した放射線学的特徴の同定、相関する特徴の除去を適用することで、モデルの頑健性と一般性を向上させることができる。臨床的意義 MRIラジオゲノミクスモデル作成における後処理ステップは、個別化がん治療戦略のための信頼性の高い非侵襲的診断ツールにつながる。

KEY POINTS: Question How do post-processing steps impact the generalisability of MRI-based radiogenomic prediction models? Findings Applying post-processing steps, i.e., data harmonisation, identification of stable radiomic features, and removal of correlated features, before model development can improve model robustness and generalisability. Clinical relevance Post-processing steps in MRI radiogenomic model generation lead to reliable non-invasive diagnostic tools for personalised cancer treatment strategies.