Модель машинного обучения для прогнозирования сердечной дисфункции, связанной с противоопухолевой терапией, по данным МРТ сердца до её начала

Введение: Прогнозирование риска сердечной дисфункции, связанной с противоопухолевой терапией, остаётся сложной задачей.

Цель: Оценить, позволяют ли методы глубокого обучения на основе изображений, полученных при МРТ сердца до начала противоопухолевой терапии, прогнозировать последующее развитие сердечной дисфункции, связанной с противоопухолевой терапией, и сравнить их с клиническими моделями и моделями на основе традиционных методов визуализации.

Методы: В исследование включили женщин с HER2-положительным раком молочной железы, получавших антрациклины и трастузумаб в рамках трёх проспективных исследований (Торонто, Канада: EMBRACE-MRI и SPARE-HF; Калгари, Канада: CIROC). Обследования проводили до начала противоопухолевой терапии, после лечения антрациклинами, а затем каждые три месяца; повторно выполняли эхокардиографию и МРТ сердца. Сердечную дисфункцию, связанную с противоопухолевой терапией, определяли по данным МРТ сердца. Рассчитывали балл риска HFA-ICOS и измеряли объёмные и функциональные показатели по данным МРТ сердца и эхокардиографии. Для разработки моделей глубокого обучения, прогнозирующих сердечную дисфункцию по изображениям, использовали архитектуры глубоких свёрточных нейронных сетей, обученные на киноизображениях сердца в короткоосевой плоскости, полученных при МРТ до начала противоопухолевой терапии. Данные пациентов из Торонто использовали для разработки модели и внутренней валидации, а данные пациентов из Калгари — для внешней валидации.

Результаты: В исследование включили 229 пациенток (средний возраст — 50,4 ± 9,7 года): 176 вошли в когорту разработки модели и внутренней валидации (зарегистрировано 52 случая сердечной дисфункции), 53 — во внешний набор данных (14 случаев). Модель глубокого обучения на основе МРТ сердца до начала противоопухолевой терапии прогнозировала развитие сердечной дисфункции с площадью под ROC-кривой 0,85 (95% ДИ 0,69–0,97) и F1-мерой 0,69 (95% ДИ 0,47–0,86). При внешней валидации площадь под ROC-кривой составила 0,80 (95% ДИ 0,66–0,92), а F1-мера — 0,55 (95% ДИ 0,24–0,77). Для сравнения, лучшие модели на основе балла риска HFA-ICOS, показателей МРТ сердца и эхокардиографии имели соответственно площадь под ROC-кривой 0,66 (95% ДИ 0,53–0,75), 0,59 (95% ДИ 0,41–0,73) и 0,62 (95% ДИ 0,44–0,78), а F1-меру — 0,56 (95% ДИ 0,47–0,61), 0,20 (95% ДИ 0,00–0,42) и 0,36 (95% ДИ 0,12–0,62).

Выводы: Модель глубокого обучения, использующая киноизображения сердца в короткоосевой плоскости, полученные при МРТ до начала противоопухолевой терапии, прогнозирует риск последующей сердечной дисфункции точнее, чем клинические модели и модели на основе вручную измеренных показателей визуализации.