Radiomics analysis of single-phase contrast-enhanced computed tomography for classification of hepatic focal lesions in colorectal cancer patients

Abstract

Objective: To evaluate the diagnostic performance of a radiomics model for classifying hepatic cysts, hemangiomas, and metastases in patients with colorectal cancer (CRC) from portal-phase abdominopelvic computed tomography (CT) images. Methods: This retrospective study included 502 patients with CRC who underwent both contrast-enhanced abdominopelvic CT and contrast-enhanced liver magnetic resonance imaging between January 2005 and December 2010. Patients were divided into training (n = 386) and validation (n = 116) cohorts. Portal-phase contrast-enhanced CT images of 1290 liver lesions (size range, 3 mm–5 cm) were used to develop a radiomics model for differentiating three classes of liver lesions (cyst, hemangioma, and metastasis). Among multiple handcrafted features, the feature selection was performed using the ReliefF method, and random forest classifiers were used to train the selected features. The diagnostic performance of the developed model was evaluated and compared with that of four radiologists who classified liver lesions from the validation cohort (128 cysts, 30 hemangiomas, and 149 metastases). Additionally, a subgroup analysis was conducted based on lesion size (<10 mm or ≥10 mm). Results: The radiomics model demonstrated significantly lower overall and hemangioma- and metastasis-specific polytomous discrimination index (PDI) (overall PDI, 0.8037; hemangioma-specific PDI, 0.6653; metastasis-specific PDI, 0.8027) than the radiologists’ results, except that of the least-experienced radiologist (overall PDI, 0.9622–0.9680; hemangioma-specific PDI, 0.9452–0.9630; metastasis-specific PDI, 0.9511–0.9869). For differentiating subcentimeter lesions, the PDI of the radiomics model was different according to the lesion size (overall PDI of < 10 mm, 0.6486; overall PDI of ≥ 10 mm, 0.8264; p-value, 0.0692) while that of the radiologists was relatively maintained. For classifying benign lesions from metastasis, the radiomics model showed excellent diagnostic performance, with an accuracy of 84.36% (78.59–88.8) and an area under the receiver operating characteristic curve of 0.9426 (0.9149–0.9703). However, the three most experienced radiologists outperformed the radiomics model with an accuracy of 93.81–96.09% (p-value, 0.002–0.003). Conclusion: The radiomics model achieved diagnostic accuracy comparable to that of radiologists when differentiating cysts, hemangiomas, and metastases from portal-phase CT images of patients with CRC and demonstrated potential for clinical use. However, this model was limited particularly to classifying hemangiomas and subcentimeter liver lesions, and therefore, unattended application of the system in daily clinical practice is not yet feasible.

목적: 대장암에서 간은 제일 흔하게 전이가 되는 장기로, 대장암 환자에서 간전이를 빠르게 진단하고, 간 병변을 정확하게 감별하는 것은 중요하다. 따라서, 본 연구에서는 조영증강 복부 전산화 단층촬영의 문맥기 영상에서 간 낭종, 혈관종 및 간 전이를 분류할 수 있는 라디오믹스 모델을 구축하고, 진단 정확도를 평가하고자 하였다. 방법: 2005년 1월부터 2010년 12월에 조영증강 복부 전산화 단층촬영과 조영증강 간 자기공명영상을 모두 시행한 502명의 대장암 환자를 후향적으로 분석하였으며, 2006년 8월 23일을 기준으로 그 이후에 조영증강 자기공명영상을 시행 받은 386명의 환자를 학습군으로 하였고, 나머지 116명의 환자를 검증군으로 포함하였다. 502명의 환자에서 병변의 크기가 3mm 이상, 5cm 이하인 간 낭종, 혈관종, 간 전이 병변이 포함이 되었으며, 총 1290개의 간 병변 (간 낭종 676개, 혈관종 130개, 간 전이 484개)의 문맥기 조영증강 전산화 단층촬영 영상을 이용하여 3 군의 간 병변을 분류할 수 있는 라디오믹스 모델을 구축하였다. 추출해낸 129개의 사람이 정의한 특징 (hand-crafted feature)중에서 관찰자간 재현성이 우수한 (intraclass correlation coefficient> 0.75) 126개의 특징만을 모델링에 사용하였다. ReliefF 방법을 통하여 특징 선택 (feature selection)을 시행하였으며, 선택된 특징들은 랜덤 포레스트를 이용하여 학습시킨 뒤에 최종적으로 라디오믹스 모델을 구축하였다. 구축한 모델의 진단능은 검증군에 포함된 간 병변을 이용하여 평가하였으며, 4명의 영상의학과 의사와 진단 정확도를 비교하였다. 이와 더불어 병변의 크기를 기준으로 10mm 미만과 10mm 이상으로 나누어서 추가적으로 분석을 시행하였다. 3군의 간 병변을 분류하는 진단능을 비교하기 위해서 polytomous discrimination index (PDI)와 correct classification percentage (CCP)를 구하였고, 양성 (간 낭종과 혈관종)과 악성의 이항 분류 진단능을 비교하기 위해서 민감도, 특이도, 양성 예측도, 음성 예측도, 진단 정확도 및 수신자 조작 특성 곡선 (receiver operating characteristic curve)의 곡선 아래 면적 (area under the curve)을 분석하였다. 결과: 라디오믹스 모델의 전체 PDI, 혈관종 PDI 및 간 전이 PDI는 각각 0.8037, 0.6653, 0.8027로 측정되었으며, 해당 수치는 가장 경험이 없는 영상의학과 의사를 제외한 모든 영상의학과 의사 (전체 PDI, 0.9622-0.9680; 혈관종 PDI, 0.9452-0.9630; 간 전이 PDI, 0.9511-0.9869)에 비해서 유의미하게 낮은 결과였다. 특히나, 병변에 상관없이 군 별 PDI가 비슷하게 높은 영상의학과 의사와 비교하여, 라디오믹스 모델의 혈관종 PDI는 0.6653으로 다른 군 별 PDI에 비해 낮은 수치로 측정되었다. 10mm 이상의 병변을 평가할 때와 비교하여 10mm미만의 병변을 감별할 때 라디오믹스 모델의 PDI는 감소하였으나, 영상의학과 의사의 PDI는 병변의 크기에 상관이 없이 비교적 유지가 되는 결과를 보여주었다. 이항 분류에서는 라디오믹스 모델이 좋은 진단능을 보여주었으며, 간 전이를 감별하는 진단 정확도가 84.36% (95% 신뢰도, 78.59-88.8), 수신자 조작 특성 곡선의 곡선 아래 면적이 0.9426 (0.9149-0.9703)로 측정되었다. 그러나, 제일 경험이 적은 영상의학과 전공의를 제외하고 나머지 3명의 영상의학과 의사는 이항 분류에 있어서도 라디오믹스 모델을 뛰어 넘는 결과를 보여주었으며, 진단 정확도는 93.81%-96.09%로 측정되었고, 모델과의 차이는 통계학적으로 유의미한 차이였다 (p-value, 0.002-0.003). 결론: 라디오믹스 모델은 대장암 환자의 문맥기 조영증강 전산화 단층촬영 영상에서 간 낭종, 혈관종과 간 전이를 분류하는데 있어서 영상의학과 의사보다는 낮지만, 비교적 좋은 진단 정확도를 보여, 임상적으로 적용이 될 수 있는 잠재력을 보여주었다. 하지만, 라디오믹스 모델은 혈관종과 10mm 미만의 병변을 진단하는 것에 있어 한계를 보여 실제 진료 환경에서 사람의 개입 없이 적용이 되기에는 아직은 시기 상조로 판단된다