jazyk / language:
INTERAKTÍVNA KONFERENCIA
MLADÝCH VEDCOV
Späť do sekcie

Rádiomická analýza funkčného obrazu získaného pozitrónovou emisnou topografiou ako potenciálny biomarker pri odlíšení spondylodiscitídy od kostnej metastázy

Diskusná interakcia
Celkové prevedenie (dizajn)
Vedecká práca
Zobraziť všetky hodnotenia

Prejsť do diskusie

Rádiomická analýza funkčného obrazu získaného pozitrónovou emisnou topografiou ako potenciálny biomarker pri odlíšení spondylodiscitídy od kostnej metastázy

Nataša Brisudová 1 Iveta Waczulíková 1 Soňa Balogová 1

1Univerzita Komenského, Bratislava
nana.brisudova@gmail.com

Úvod:

Včasná iniciácia cielenej liečby môže predísť možným nevratným neurologickým komplikáciám spondylodiscitídy (SD) a/alebo spinálnych metastáz (MET), ktorých odlíšenie však môže najmä vo včasných štádiách predstavovať diagnostický problém.

Cieľ:

Identifikovať rádiomické prvky PET obrazu pomocou FDG, ktoré pomôžu rozlíšiť spondylodiscitídu od kostnej metastázy v chrbtici, a navrhnutie modelu na predikciu s adekvátnou diagnostickou presnosťou (80 %) pre klinické využitie

Metóda:

Retrospektívna analýza 31 rádiomických prvkov druhého a vyššieho rádu u 125 pacientov s potvrdenou SD (n=63) a  MET rôznych malignít (n=62). Dokopy bolo analyzovaných 78 nálezov SD a 95 nálezov MET pomocou freeware LIFEx umožňujúceho výpočet konvenčných, textúrnych a tvarových prvkov diagnostických obrazov.

Pomocou štatistického softwaru RStudio boli porovnané klinické charakteristiky pacientov (neparametrický Wilcoxon rank sum test) a ich prijateľná diagnostická presnosť bola testovaná pomocou ROC krivky. Ďalej bola testovaná prediktívna schopnosť rozlišovania SD a MET pomocou machine learning, kde boli testované tri metódy (multiple logistic regression, random forest a support vector machines), s tromi rôznymi spôsobmi výberu tréningových a testovacích dát (K-fold cross-validation, Leave-One-Out Cross-Validation, Train test split).

Výsledky:

Pri odlíšení SD a MET bolo potvrdených 24/31 rádiomických prvkov ako štatisticky signifikantných (p<.05) a u 9/24 bola pre diagnostickú presnosť AUC>80%. Najvyššie hodnoty dosiahli parametre GLZLM_ZP (cut-off=0.38, AUC=83.25 %), NGLDM_Contrast (cut-off=0.17, AUC=84.7 %) a GLRLM_GLNU (cut-off=46.1, AUC=88.8 %). V machine learning bola najefektívnejšia metóda Random Forest so spôsobom výberu dát Train test split a s presnosťou 83.3 % (cut-off=0.28, AUC=98.61 %). Pri validácii tohto modelu sa dosiahla presnosť 93.41 % (cut-off=0.50, AUC = 97%).

Záver:

Výsledky potvrdzujú rádiomickú analýzu a machine learning ako možný smer pri odlíšení SD a MET.

Zdá sa, že Váš internetový prehliadač nepodporuje prehliadanie PDF dokumentov.
Pre zobrazenie súboru je potrebné maš nainštalovaný Adobe Reader.

Diskusia

Pavol Farkaš Farkaš
Administrátor
Uspesnost 12.05.2021 12:39
Dobry den Dr. Brisudova,

da sa na zaklade modelu strojoveho ucenia odhadnut, aka velka by musela byt treningova mnozina dat, aby vo vysledku algoritmus urcoval diagnozu presnejsie (alebo aspon t...
Zobraziť celý komentár
Re: Uspesnost 12.05.2021 16:49
Dobrý deň,

Náš algoritmus v porovnaní s konvenčným prístupom vykazuje štatisticky signifikantnejšiu presnosť v určovaní diagnózy. Možno Vás zarazila o niečo nižšia presnosť v...
Zobraziť celý komentár
Pavol Farkaš Farkaš
Administrátor
Re: Re: Uspesnost 13.05.2021 21:09
Dakujem za vysvetlenie, snad este jedna otazka - ako je to s prenosom tychto poznatkov a moznosti do praxe? Zelam vela zdaru!
Re: Re: Re: Uspesnost 14.05.2021 07:49
Momentálne je (takmer, až na kozmetické úpravy) dokončená webová aplikácia, kde po nahraní excelu s hodnotami jednotlivých rádiomických prvkov z lézie vypočíta danú predikciu (pomocou nášho...Zobraziť celý komentár
Peter Slezák
Moderátor
Statisticke porovnanie 23.05.2021 17:21
Dobry den,
Mna by zaujimalo ako ste na slide 17 statisticky porovnavali Model Random Forestu
rádiomických prvkov a SUVmax? Z coho je dana p-value?
Re: Statisticke porovnanie 23.05.2021 17:45
Dobrý deň,
P-value sa vypočítala podľa DeLongovej metódy s použitím algoritmu od Sun and Xu (2014) porovnaním AUC dvoch ROC kriviek. Táto metóda bola ešte vylepšená na počítanie aj unpa...
Zobraziť celý komentár
Peter Slezák
Moderátor
ROC krivky 23.05.2021 17:24
Este mam jednu trochu naivnu otazku, preco maju ROC krivky na slajde 14 ovela viac "schodov" v porovnani s krivkami na slajde 16.
Re: ROC krivky 23.05.2021 17:52
Dobrý deň, je to veľmi pravdepodobne spôsobené tým, že na ROC krivku čo je na slide 16 bolo použitých len 24 lézií, narozdiel od slidu 14 kde bolo použitých 80. Preto tam je viac "schodov&...Zobraziť celý komentár
Naši partneri
Generálny partner

Partneri
Špeciálne poďakovanie
Mediálni partneri
Inzercia zadarmo
Usporiadateľ