Анализ текстур с использованием машинного обучения для дифференцировки рентгенологически неопределённых мелких опухолей надпочечников по данным КТ с протоколом исследования надпочечников

Цель: оценить возможность извлечения радиомических признаков и применения алгоритма машинного обучения для дифференцировки доброкачественных и злокачественных неопределённых поражений надпочечников по данным контрастной компьютерной томографии (КТ).

Введение: инциденталомы надпочечников — это поражения надпочечников, случайно выявленные при обследовании по поводу заболеваний, не связанных с надпочечниками; их частота достигает 5%. Мелкие инциденталомы надпочечников (< 4 см) с высокими значениями плотности на нативной КТ (> 10 HU) требуют дополнительной оценки с расчётом абсолютного процента вымывания (APW). Если APW < 60%, такие очаги считают неаденомами и обычно относят к неопределённым поражениям надпочечников. Дальнейшее обследование при неопределённых очагах включает более сложные и дорогостоящие лучевые методы или инвазивные процедуры, такие как биопсия или хирургическая резекция.

Методы: в базе данных нашего учреждения были найдены неопределённые поражения надпочечников со следующими характеристиками: размер < 4 см, значение плотности на нативной КТ > 10 HU и APW < 60%. Критериями исключения были феохромоцитома и отсутствие гистопатологического исследования. Изображения КТ были преобразованы в формат NIfTI, а опухоли надпочечников сегментированы с использованием программы Amira. Радиомические признаки из маски надпочечника были извлечены с помощью программы PyRadiomics после удаления избыточных признаков, то есть сильно скоррелированных попарно признаков и признаков с низкой вариабельностью; для выбора окончательного дискриминативного набора признаков использовали пошаговое отборочное извлечение признаков. Затем на основе окончательных признаков построили модель бинарной классификации с использованием алгоритма случайного леса; её валидацию и тестирование выполняли методом перекрёстной проверки по принципу leave-one-out, по матрице ошибок и по ROC-кривой.

Результаты: выявлено 40 неопределённых поражений надпочечников (21 доброкачественное и 19 злокачественных). Извлечение признаков дало 3947 признаков, число которых после устранения избыточности сократилось до 62. По результатам пошагового отбора в число 4 наиболее дискриминативных признаков вошли: неоднородность зон размера по матрице размерных зон серого уровня из нативной и отсроченной фаз, высокая выраженность больших зависимостей с высоким уровнем серого по матрице зависимостей серого уровня из венозной фазы и наклон кластера по матрице совместной встречаемости серого уровня из отсроченной фазы. Бинарная модель классификации при перекрёстной проверке leave-one-out показала AUC 0,85, чувствительность 84,2% и специфичность 71,4%.

Выводы: машинное обучение и извлечение радиомических признаков позволяют дифференцировать доброкачественные и злокачественные неопределённые опухоли надпочечников и могут использоваться для направления дальнейшего обследования с высокой чувствительностью и специфичностью.