Subscribe to RSS
DOI: 10.1055/s-0040-1703326
Maschinelles Lernen und radiomische Analyse von 18F-FDG PET/MR-Datensätzen zur Vorhersage des Therapieansprechens nach isolierter Extremitätsperfusion bei Patienten mit Weichteilsarkomen
Publication History
Publication Date:
21 April 2020 (online)
Zielsetzung Es sollte das Potenzial von PET/MR-basierten Parametern für die Vorhersage des Therapieansprechens nach isolierter Extremitäterperfusion mit Melphalan und Alpha-TNF (TM-ILP) bei Patienten mit Weichteilsarkomen (WTS) untersucht werden.
Material und Methoden 47 Patienten mit dem Nachweis eines WTS wurden prospektiv für eine integrierte 18F-FDG PET/MR-Untersuchung vor einer neoadjuvanten TM-ILP eingeschlossen. Das Studienprotokoll umfasste die Erfassung mehrerer 18F-FDG PET- und MR-basierter morphologischer und metabolischer Datensätze. Nach der Tumorsegmentierung wurden 17748 quantitative Merkmale extrahiert und durch einen χ2-Test auf ihre Signifikanz getestet. Die statistische Modellierung wurde mit Hilfe von Random Forests vorgenommen und durch wiederholte 5-fache Kreuzvalidierung ausgewertet. Histopathologische Ergebnisse nach Tumorresektion dienten als Referenzstandard und die Patienten wurden nach der Bewertungsskala von Salzer- Kuntschik als Therapieansprecher und Nicht-Ansprecher eingestuft.
Ergebnisse Die histopathologische Analyse kategorisierte 28 Patienten als Therapieansprecher (Grad I-III) und 19 Patienten als Therapieversager (Grad IV-VI). Für die Unterscheidung zwischen Therapieansprechen und Nichtansprechen auf eine TM-ILP ergab die Reveiver Operating Characteristic (ROC) Analyse eine Fläche unter der Kurve (AUC) von 0,71. Darüber hinaus ergab die statistische Analyse einen positiven prädiktiven Wert von 76% zur Identifikation des Therapieansprechens und eine Spezifität von 74% zur korrekten Einordnung in die Gruppe der Therapieversager.
Schlußfolgerungen Unsere vorläufigen Ergebnisse zeigen das Potenzial der nicht-invasiven bildgebenden Verfahren zur Vorhersage des Therapieansprechen von Weichteilsarkomen unter TM-ILP mit entscheidenden Effekt auf die weitere Behandlung als auch Prognose der betroffenen Patienten.
#