Form-spezifische CT Features der Milz zur Detektion und Klassifikation von Lymphomen

Zielsetzung:

Splenomegalie tritt häufig bei Patienten mit Lymphomen auf. In der klinischen Routine wird eine Splenomegalie meist durch die Längenmessung der Milz in der kraniokaudalen Ebene bestimmt. In dieser Studie sollte untersucht werden ob Form-spezifische Features der Milz zusätzliche diagnostische Informationen zur Detektion und Klassifikation von Lymphomen liefern.

Material und Methoden:

In einer Kohorte von 362 Patienten mit Lymphom (105 Hodgkin, 145 Diffus großzelliges B-Zell-Lymphom, 53 Mantelzelllymphom, 53 Follikuläres Lymphom, 6 andere; Alter 55+/-19J) und einer Kontrollgruppe von 50 Personen (Alter 53+/-19J) wurde die Milz semi-automatisch auf allen Baseline CT Daten segmentiert. 13 Form-spezifische Features der Milz wurden mit Pyradiomics extrahiert und 32 weitere anhand eines statistischen Formmodells abgeleitet. Zur Klassifikation wurde ein Random-Forrest-Classifier eingesetzt; alle AUCs wurden kreuzvalidiert.

Ergebnisse:

Die Detektion von Lymphomen gelang mit einer AUC von .81 (p =.01) gegenüber der Kontrollgruppe. Die Radiomics-Analyse konnte darüber hinaus zwischen verschiedenen Lymphom Subgruppen unterscheiden wie etwa Hodgkin vs. andere Lymphome (AUC =.67, p =.01), Diffus großzellige B-Zell Lymphome vs. andere non-Hodgkin Lymphome (AUC =.60, p =.01) und Mantelzelllymphome vs. andere non-Hodgkin Lymphome (AUC =.72, p =.01). Sowohl die Pyradiomics Formfeatures, als auch die Features des statistischen Formmodells waren dabei prädiktiv.

Schlussfolgerungen:

Diese Studie zeigt, dass Form-spezifische CT Features der Milz zur Detektion und Klassifikation von verschiedenen Lymphomen in CT Scans eingesetzt werden können. Form-spezifische Features wie z.B. Flachheit sind robuste Bildparameter mit zusätzlichen diagnostischen Informationen.