Мальцев Михаил Сергеевич
Москва
Mikhail S. Maltsev
Moscow
Рейнберг Мария Валентиновна
Москва
Marie V. Reinberg, MD
Moscow
Трухин Алексей Андреевич, к.т.н.
Москва,117292, ул. Дм. Ульянова, д. 11
Alexey A. Trukhin, PhD
Moscow, 11, Dm. Ulyanov St., 11, 117292
Алиева Сэма Ильгаровна, ординатор
Москва
Sema I. Alieva, resident
Moscow
Манаев Алмаз Вадимович
Москва
Almaz V. Manaev
Moscow
Серженко Сергей Сергеевич
Москва
Sergey S. Serzhenko, MD
Moscow
Слащук Константин Юрьевич, к.м.н.
Москва
Konstantin Yu. Slashchuk, MD, PhD
Moscow
Обоснование. Несмотря на широкое развитие методов анализа медицинских изображений, включая технологии радиомики, их внедрение в повседневную клиническую практику остаётся ограниченным. Одним из перспективных направлений является использование текстурных признаков, рассчитываемых по данным гибридных методов визуализации, таких как однофотонная эмиссионная компьютерная томография, совмещённая с компьютерной томографией (ОФЭКТ/КТ). Эти признаки отражают пространственные особенности распределения радиофармацевтических препаратов и могут быть использованы для прогнозирования ответа на лечение.
Цель. Оценить прогностическую ценность текстурных признаков, извлечённых из ОФЭКТ/КТ-изображений, в оценке ответа на радиойодтерапию (РЙТ) дифференцированного рака щитовидной железы (ДРЩЖ).
Материалы и методы. В исследование были включены 53 пациента с ДРЩЖ, которым проводилась посттерапевтическая ОФЭКТ/КТ через 72 часа после введения I-131. В общей сложности было проанализировано 89 областей интереса, включая 88 зон остаточной ткани щитовидной железы (ЩЖ) и 61 метастатический очаг ДРЩЖ. Статус заболевания (ремиссия или рецидив) определяли через 6 месяцев после РЙТ в соответствии с клинико-лабораторными и инструментальными критериями. Для оценки прогностической ценности текстурных признаков использовались модели логистической регрессии и ROC-анализ. Признаки отбирались с использованием алгоритмов mRmR, Lasso и статистических критериев.
Результаты. Созданы и протестированы диагностические модели, основанные на текстурных признаках, отдельно для остаточной ткани ЩЖ и метастатических очагов ДРЩЖ. Модель, построенная на признаках метастазов ДРЩЖ, продемонстрировала высокую прогностическую ценность (AUC = 0,88), в то время как модель, построенная на данных остаточной ткани ЩЖ, показала умеренную прогностическую ценность (AUC = 0,61).
Заключение. Текущее исследование демонстрирует возможность применения радиомики, основанной на выделении текстурных признаков накопления I-131 на изображения ОФЭКТ/КТ для прогнозирования исходов радиойодтерапии при ДРЩЖ. Использование этих признаков может повысить точность стратификации риска рецидива и персонализировать РЙТ.
BACKGROUND: Despite the significant advancement of medical image analysis methods, including radiomics technologies, their routine integration into clinical practice remains limited. One promising direction is the use of textural features derived from hybrid imaging modalities, such as single-photon emission computed tomography combined with computed tomography (SPECT/CT). These features reflect the spatial characteristics of radiopharmaceutical distribution and can potentially be used to predict treatment response.
OBJECTIVE: Assess the prognostic value of textural features extracted from post-therapeutic SPECT/CT images in evaluating the response to radioiodine therapy (RIT) in patients with differentiated thyroid cancer (DTC).
MATERIALS AND METHODS: The study included 53 patients with DTC who underwent post-therapeutic SPECT/CT imaging 72 hours after administration of sodium iodine I-131. A total of 88 accumulation areas in the residual thyroid gland (thyroid gland) tissue and 61 metastatic foci of prostate cancer were analyzed. Disease status (remission or recurrence) was assessed six months after RIT based on clinical, laboratory, and imaging criteria. Logistic regression models and receiver operating characteristic (ROC) analysis were used to evaluate the predictive value of the extracted textural features. Feature selection was performed using mRmR, Lasso, and conventional statistical criteria.
RESULTS: Diagnostic models based on textural features were developed and tested separately for residual thyroid tissue and metastatic DTC lesions. The model based on features from metastatic lesions demonstrated high predictive performance (AUC = 0.88), while the model based on residual thyroid tissue showed moderate prognostic value (AUC=0.61).
CONCLUSION: This study demonstrates the feasibility of using radiomics based on SPECT/CT-derived I-131 uptake textural features to predict outcomes of radioiodine therapy in DTC. The application of these features may enhance the accuracy of recurrence risk stratification and contribute to more personalized treatment strategies
The authors declare that there are no conflicts of interest present.