Implications of US radiomics signature for predicting malignancy in thyroid nodules with indeterminate cytology

Abstract

Objectives: The purpose of this study was to evaluate the role of the radiomics score using US images to predict malignancy in AUS/FLUS and FN/SFN nodules. Methods: 155 indeterminate thyroid nodules in 154 patients who received initial US-guided FNA for diagnostic purposes were included in this retrospective study. A representative US image of each tumor was acquired, and square ROIs covering the whole nodule were drawn using the Paint program of Window 7. Texture features were extracted by in-house texture analysis algorithms implemented in MATLAB 2019b. The LASSO logistic regression model was used to choose the most useful predictive features, and ten-fold cross-validation was performed. Two prediction models were constructed using multivariable logistic regression analysis: one based on clinical variables, and the other based on clinical variables with the radiomics score. Predictability of the two models was assessed with the AUC of the ROC curves. Results: Clinical characteristics did not significantly differ between malignant and benign nodules, except for mean nodule size. Among 730 candidate texture features generated from a single US image, 15 features were selected. Radiomics signatures were constructed with a radiomics score, using selected features. In multivariable logistric regression analysis, higher radiomics score was associated with malignancy (OR = 10.923; P <0.001). The AUC of the malignancy prediction model composed of clinical variables with the radiomics score was significantly higher than the model composed of clinical variables alone (0.839 vs 0.583). Conclusions: Quantitative US radiomics features can help predict malignancy in thyroid nodules with indeterminate cytology.

목적: 이 연구의 목적은 세포 검사에서 AUS/FLUS 및 FN/SFN의 결과를 얻은 갑상선 결절이 악성 종양일 가능성을 예측하기 위해 초음파 이미지를 사용하여 얻은 radiomics 점수의 역할을 평가하는 것이다. 방법: 본원에서 진단 목적으로 최초의 초음파 유도하 세침흡인술을 받은 154 명의 환자의 총 155 개의 불확정 갑상선 결절이 이 후향적 연구에 포함되었다. 각 종양에서 한 장의 대표 초음파 영상을 획득하고, Window 7의 그림판 프로그램을 사용하여 전체 결절을 덮는 정사각형 모양의 ROI를 그렸다. 텍스처 특성을 MATLAB 2019b에서 구현 된 사내 텍스처 분석 알고리즘으로 추출되었다. LASSO 로지스틱 회귀 모델을 사용하여 가장 유용한 예측 특성을 선택하고, 10배 교차 검증을 수행했다. 다변수 로지스틱 회귀 분석을 사용하여 두 가지 예측 모델을 구성했는데, 하나는 임상 변수만을 기반으로 하였고, 다른 하나는 임상 변수와 radiomics 점수를 기반으로 하였다. 두 모델의 악성 예측 능력은 ROC 곡선의 AUC로 평가 및 비교되었다. 결과: 평균 결절 크기를 제외하고는 악성 결절과 양성 결절 간에 유의한 차이를 보이는 임상적 특징이 없었다. 단일 초음파 이미지에서 생성 된 730개의 후보 텍스처 특성 중 15 개의 특성이 선택되었다. Radiomics signature는 선택된 특성들을 사용하여 각 결절 별 하나의 radiomics 점수로 구성되었다. 다변수 로지스틱 회귀 분석에서 더 높은 radiomics 점수가 악성 종양과 관련이 있었다 (OR = 10.923; P <0.001). Radiomics 점수와 임상 변수로 구성된 악성 예측 모델의 AUC가 임상 변수만으로 구성된 예측 모델과 비교하여 통계학적으로 유의하게 높았다(0.839 vs 0.583). 결론: 정량적인 초음파 radiomics 특성은 세포 검사에서 불확실한 결과를 얻은 갑상선 결절에서 악성 종양을 예측하는 데 도움이 될 수 있다.