Подход машинного обучения к различению не функционирующей и автономно секретирующей кортизол адреналовой инциденталомы на магнитно-резонансной томографии с использованием текстурного анализа

Цель: изучить возможность различения не функционирующих адреналовых инциденталом (NFAI) и адреналовых инциденталом с автономной секрецией кортизола (ACSAI) с помощью модели, созданной на основе радиомики магнитно-резонансной томографии (МРТ) и клинических признаков.

Методы: в исследование включили 100 очагов в надпочечниках. Очаги сегментировали на неусиленных Т1-взвешенных изображениях в фазе (IP) и противофазе (OP), а также на Т2-взвешенных изображениях (T2-W) при 3-тесловой МРТ. Для каждого режима с помощью регрессии LASSO отбирали потенциальные предикторы из 108 текстурных признаков. Затем создали комбинированный радиомический индекс и клинические признаки и сравнили их между собой.

Результаты: выявлена значимая разница между медианными радиомическими баллами у ACSAI и NFAI в обучающей и тестовой выборках (для всех режимов p < 0,05). Многофакторный логистический регрессионный анализ показал, что длина опухоли (ОР = 1,09; p = 0,007) была независимым фактором риска, связанным с ACSAI. Для построения клинико-радиомических (комбинированных) моделей использовали многофакторную логистическую регрессию. Модель с OP, IP и IP плюс T2-W показала более высокую эффективность: площадь под кривой (AUC) на тестовой выборке составила 0,758, 0,746 и 0,721 соответственно.

Вывод: ACSAI можно с высокой точностью отличать от NFAI на неусиленной МРТ. Радиомический анализ и модель, построенная с помощью алгоритмов машинного обучения, по-видимому, превосходят другой метод лучевой оценки. Включение МРТ с химическим сдвигом и длины опухоли в радиомическую модель может повысить точность теста.