Differenzierung von atypischen lipomatösen Tumoren und Lipomen durch Deep Learning Analysen

Zielsetzung Ein Deep Learning (DL) Modell zu entwickeln um atypische lipomatöse Tumore (ALTs) und Lipome in der MRT Bildgebung zu differenzieren

Material und Methoden Insgesamt wurden n = 110 Patienten mit histologisch gesicherten Lipomen (n = 64) und ALTs (n = 45) in die Studie eingeschlossen (Alter 52.8 ± 14.5 Jahre, 59 weiblich). Bei allen lag eine Analyse des mourine double minute (MDM2) Gens vor. Die präoperative MRT beinhaltete T2w und T1w Sequenzen sowie eine fettgesättigte T1w Sequenz nach Kontrastmittel (T1fsgd). Zur abschließenden unabhängigen Testung wurden vorab 20% der Patienten zufällig ausgewählt. Das DL Model wurde trainiert und validiert mit den übrigen 80% der Daten und 3-fold cross validation wurde verwendet. Zusätzlich wurden alle MRTs gelesen von zwei Assistenzärzten sowie von einem, auf muskuloskelettale Bildgebung spezialisierten, Oberarzt mit über 25 Jahren Erfahrung. Die Diagnose ALT/Lipom wurde gestellt anhand von charakteristischen morphologischen MRT Kriterien (Septierung, Durchmesser, noduläre Anteile oder Kontrastmittelaufnahme).

Ergebnisse Das entwickelte DL Modell um ALTs von Lipomen in der präoperativen MRT Bildgebung zu differenzieren erreichte eine Sensitivität/Spezifität von 89%/85% auf T1w Sequenzen; 67%/67% auf T2w Sequenzen und 80%/56% auf T1fsgd Sequenzen. Die Assistenzärzte erreichten in ihren Lesungen eine Sensitivität/Spezifität von 78%/77%; der muskuloskelettale Spezialist 89%/100%.

Schlussfolgerungen Wir konnten zeigen, dass ein DL Modell in der präoperativen MRT mit einer sehr hohen Sensitivität und Spezifität ALTs von Lipomen differenzieren konnte. Dabei hatte das Modell eine ähnliche Sensitivität jedoch eine niedrigere Spezifität verglichen mit erfahrenen, auf muskuloskelettale Radiologie spezialisierten, Oberarztes. Verglichen mit den Lesungen von Assistenzärzte hatte das Modell eine höhere Sensitivität und Spezifität. Das Modell könnte im klinischen Alltag die Diagnostik von ALTs und Lipomen optimieren um schnellstmöglich eine zielgerichtete Therapie zu ermöglichen.

Publikationsverlauf

Artikel online veröffentlicht:
11. Mai 2021