Сравнение различных комбинаций КТ, ПЭТ и МРТ для сегментации опухолей головы и шеи методами глубокого обучения

Введение: Ручное контурирование объема макроскопической опухоли (GTV) необходимо для планирования лучевой терапии, однако требует много времени и сопровождается межэкспертной вариабельностью. В клинической практике для повышения точности контурирования используют КТ, ПЭТ и МРТ, поскольку эти методы визуализации дополняют друг друга. Цель исследования — оценить возможность применения глубокого обучения для помощи в контурировании GTV при плоскоклеточном раке головы и шеи (HNSCC), сравнив различные комбинации методов визуализации.

Методы: В ретроспективное исследование включили 153 пациентов с HNSCC различных локализаций, которым выполнили КТ для планирования лучевой терапии, ПЭТ и МРТ (T1- и T2-взвешенные изображения). Эталоном служили клинические контуры объема первичной опухоли (GTV-T) и пораженных лимфатических узлов (GTV-N). Случайным образом 92 пациента включили в обучающую выборку, 31 — в валидационную и 30 — в тестовую. Использовали архитектуру глубокого обучения на основе остаточной трехмерной сети UNet. Независимо обучили четыре модели на разных комбинациях методов визуализации: КТ–ПЭТ–МРТ, КТ–МРТ, КТ–ПЭТ и ПЭТ–МРТ. Кроме того, результаты трех двухмодальных моделей (КТ–ПЭТ, КТ–МРТ и ПЭТ–МРТ) усреднили, сформировав ансамбль. Точность сегментации оценивали на тестовой выборке по коэффициенту сходства Дайса (Dice), 95-му перцентилю расстояния Хаусдорфа (HD95) и среднему расстоянию между поверхностями (MSD).

Результаты: Все комбинации методов визуализации, включавшие ПЭТ, показали сходные средние результаты: Dice 0,72–0,74, HD95 8,8–9,5 мм и MSD 2,6–2,8 мм. Только модель КТ–МРТ показала более низкие результаты: Dice 0,58, HD95 12,9 мм и MSD 3,7 мм. Ансамбль трех двухмодальных моделей достиг Dice 0,74, HD95 7,9 мм и MSD 2,4 мм.

Выводы: Продемонстрирована возможность автоматической сегментации GTV при HNSCC с помощью глубокого обучения на основе мультимодальных данных; включение ПЭТ оказалось критически важным. Обучение на объединенных данных МРТ, ПЭТ и КТ лишь немного улучшило результаты по сравнению с моделями КТ–ПЭТ и ПЭТ–МРТ. Однако объединение трех моделей, обученных на парах методов визуализации, в ансамбль позволило добиться многообещающего улучшения.