Efficacy of radiomics predicting oncologic outcome of radiotherapy in locally advanced hepatocellular carcinoma

Abstract

Purpose: We investigated whether radiomic features extracted from 3-phase dynamic contrast-enhanced computed tomography (CECT) can be used to predict clinical outcomes, including objective treatment response (OR) and in-field failure-free survival rate (IFFR), in patients with hepatocellular carcinoma (HCC) who received liver-directed combined radiotherapy (LD-CRT). Methods: We included 409 patients with locally advanced HCC who underwent LD-CRT between November 2005 and December 2018. They were randomly divided into training (n = 307) and validation (n = 102) cohorts. The endpoints were the OR and IFFR. Significant prognostic factors were identified using binary logistic and Cox regression analyses. To predict OR and IFFR, we extracted 116 radiomic features from the region of interest (ROI) on the CECT images. The least absolute shrinkage and selection operator method was used to select the most useful predictive features from the ROIs. We developed prediction models using radiomics features alone (radiomics model) or in combination with clinical features (CCR model). We also developed and validated a prognostic nomogram based on CCR models. Results: Among the radiomic models evaluated for OR, the OR-PVP-Peri-1cm model (considering a peritumoral area of 1cm on portal venous phase CT) showed favorable predictive performance with an area under the curve (AUC) of 0.647. Clinical model showed the predictive performance of 0.729, whereas the CCR model showed better performance with an AUC of 0.759. For the IFFR, the IFFR-PVP-Peri-1cm model had an AUC of 0.673, clinical model had an AUC of 0.687, whereas the CCR model showed an AUC of 0.736. Conclusion: In predicting the OR and IFFR in patients with HCC undergoing LD-CRT, radiomic models based on both tumoral and peritumoral areas using pre-radiotherapy 3-phase dynamic liver CT in patients with HCC undergoing LD-CRT have favorable predictive performance for OR and IFFR. Moreover, CCR models performed better than clinical and radiomics models, and they have potential use in clinical prediction. The constructed nomograms based on these models may provide valuable information on the OR and IFFR in patients with HCC undergoing LD-CRT. 목적: 본 연구에서는 간 지향성 복합방사선요법(liver-directed combined radiotherapy, LD-CRT)을 받은 간세포암종 환자들의 3상 동적 대조 증강 단층 촬영(3-phase contrast-enhanced computed tomograpy, 3-phase CECT)에서 추출된 radiomics feature들이 객관적 치료 반응(objective response, OR) 및 방사선 조사야 내 무실패 생존율(in-field failure free-survival rate, IFFR)을 포함한 임상적 결과를 예측하는 데 사용될 수 있는지에 대해 연구하였다. 연구 방법: 2005년 11월부터 2018년 12월까지 LD-CRT를 받은 국소 진행성 간세포암종 환자 409명을 포함하였다. 이들을 무작위로 훈련 (n=307) 및 검증(n=102) 코호트로 나누었으며, radiomics model로 예측하려는 임상적 결과는 OR 및 IFFR이었다. 이항 로지스틱 및 콕스 회귀 분석을 사용하여 중요한 예후 인자를 확인하였다. OR과 IFFR을 예측하기 위해 CECT 이미지의 regions of interest에서 116개의 radiomics feature들을 추출했다. The least absolute shrinkage and selection operator method를 이용하여 ROI에서 가장 유의미한 radiomics feature를 선택하였다. Radiomics feature만으로 예측 모델(radiomics model)을 만들고, 임상적 요소들로 이루어진 임상적 모델(clinical model)과, 그 둘을 결합한 모델도 개발하였다 (CCR model). 또한 CCR 모델을 기반으로 한 예후 예측 노모그램도 개발하고 검증하였다. 연구 결과: OR에 대한 radiomics model 중, OR-PVP-Peri-1cm model이 0.647의 곡선하면적(area under curve, AUC)를 보여 유리한 예측능을 보여주었다. Clinical model은 0.729의 예측능을 보였으며, CCR model은 0.759의 AUC로 더 나은 성능을 보였다. IFFR에 대해서는 IFFR-PVP-Peri-1cm radiomics model이 0.673의 AUC를, clinical model은 0.687의 AUC를 보였으며, CCR model은 0.736의 더 나은 AUC를 나타냈다. 결론: 간세포암종 환자 중 LD-CRT를 받는 환자들의 OR과 IFFR을 예측 시, 3-phase CECT에서 추출한 종양 및 주변 종양 영역의 radiomics feature로 만든 radiomics model은 적절한 예측능을 보여주었고, 이를 기반으로 임상적 요소들과 결합한 CCR model이 clinical model 및 radiomics model보다 더 나은 성능을 보였다. 따라서 CCR model은 임상 결과 예측 에 있어 잠재적으로 활용될 수 있을 것으로 생각되며, 뿐만 아니라 이러한 모델을 기반으로 구축한 노모그램을 통해 LD-CRT를 받는 간세포 암종 환자들의 OR과 IFFR 예측에 관하여 값진 정보를 제공할 수 있게 된다.