Differential diagnosis of pulmonary nodules using 3-dimensional radiomics analysis on chest CT

Abstract

Purpose: This study aimed to identify and compare two-dimensional (2D) and three-dimensional (3D) radiomic characteristics and model a Radscore to predict malignancy in lung nodules smaller than 3 cm. Background: It is difficult to determine whether lung nodules smaller than 3 cm are malignant based on imaging alone. Pathological information is generally obtained through a biopsy; however, this is invasive and involves physical difficulties. Radiomics is a promising tool; however, further studies are warranted. There is a lack of data on 3D radiomics, which can be actively pursued in the future. Materials and methods: From 2019 to 2022, a retrospective review was conducted on 383 patients who underwent surgery or biopsy for the diagnosis of pulmonary nodules smaller than 3 cm. Ground glass nodules were excluded due to their distinct morphological characteristics, resulting in a final enrollment of 236 patients. Non enhanced chest computed tomography (CT) images were utilized to perform 2D and 3D radiomics. The imaging data were manually segmented, the reproducibility of the segmentation confirmed by the intraclass correlation coefficient (ICC). Variables with an ICC > 0.8 were selected as features to identify significant parameters and define the Radscore through Least Absolute Shrinkage and Selection Operator (LASSO) analysis. The 2D and 3D radiomics models were then internally validated, and the results were compared. Results: Among the 116 2D features and 132 3D features derived from the 2D and 3D images, 99 (85.3%) 2D and 110 (83.3%) 3D features showed a level of consistency that was usable by the observer. The ICC adopted items with a score > 0.8. The area under the curve (AUC) of the Radscore in 2D and 3D was 0.745 (95% confidence interval [CI]: 0.679–0.811) and 0.7566 (95% CI: 0.6938– 0.8195), respectively. The optimal Radscore for distinguishing benign from malignant was 0.19 (0.58) and 0.80 (0.71) for 2D, and 0.11 (0.75) and 0.87 (0.80) for 3D, respectively. The sensitivities and specificities of the 2D and 3D features were 0.8843 and 0.8163 and 0.5393 and 0.6067, respectively. The AUC of internal validation was 0.5881 (95% CI: 0.471, 0.7052) and 0.6410 (95% CI: 0.5295, 0.7525) in 2D and 3D, respectively. In internal validation, the sensitivities and specificities of the 2D and 3D features were 0.8571 and 0.8095 and 0.1667 and 0.5000, respectively. The optimal cutoff was 0.1776 and 0.2013 for 2D and 3D features, respectively. Predictive accuracy was 66.7% for 2D and 67.8% for 3D. Conclusions: 3D radiomics modeling was more feasible than 2D radiomics for differentiating benign lung cancers from malignant lung cancers, and the internal validation yielded similar results. However, there was no statistically significant difference in the 2D radiomic modeling analysis results, and additional research is required.

목적: 본 연구의 목적은 2D, 3D 라디오믹스 결과를 확인 및 비교하여 3cm 이하의 폐결절에서 악성종양을 예측하기 위한 라디오믹스 모델 링을 확립하는 것을 목적으로 하였다. 배경: 영상검사를 통해 확인된 3cm 미만의 폐결절은 영상만으로는 악 성 여부를 판단하기 어려운 질환이다. 병리학적 정보는 일반적으로 생검을 통해 획득되지만, 이는 침습적이며 물리적인 어려움을 수반한 다. 라디오믹스는 이를 해결할 유망한 도구로 언급되지만, 추가 연구 가 필요하다. 특히, 향후 적극적으로 추진할 수 있는 3D 라디오믹스 에 대한 데이터가 부족한 실정이다. 대상 및 방법: 2019년부터 2022년까지 3cm 미만의 폐결절의 진단을 위해 수술 또는 생검 시술을 받은 383명을 후향적으로 검토하였다. 간유리결절은 형태학적 특성이 다르므로 제외하였으며 최종적으로 236명의 환자를 등록하였다. 조영제를 사용하지 않은 흉부 컴퓨터 단층촬영(CT) 영상을 이용하여 2D, 3D 라디오 믹스 분석을 시행하였 다. 영상데이터는 수동으로 분할 하였으며, 급내 상관 계수(ICC)를 이용하여 분할의 재현성을 확인하였다. 이후 ICC > 0.8인 변수를 후보 로 하여 LASSO를 통해 의미 있는 매개변수 탐색 및 라디오믹스 모델 링을 시행하였다. 최종적으로 구축한 2D, 3D 라디오믹스 모델의 내부 검증을 시행하여 결과를 비교하였다. 결과: 2D, 3D 이미지에서 파생된 116개의 2D 특징과 132개의 3D 특징 중 99개(85.3%)의 2D 특징과 110개(83.3%)의 3D 특징이 두 번의 측정 에서 0.8 이상의 급내 상관 계수를 보였다. 급내 상관 계수는 0.8점 이상의 항목을 채택하였다. 구축한 2D, 3D 라디오믹스의 곡선 하 면적 은 0.7450 (95% CI: 0.679, 0.811)과 0.7566 (95% CI: 0.6938, 0.8195) 이었다. 최적의 Radscore는 2D, 3D 에서 양성 및 악성 각각 0.19 (0.58)와 0.80 (0.71), 0.11 (0.75)와 0.87 (0.80) 이었다. 2D, 3D에서 폐결절 감별진단의 민감도는 0.8843, 0.8163 이었으며 특이도는 0.5393, 0.6067 이었다. 내부 검증의 곡선 하 면적은 2D에서 0.5881 (95% CI: 0.4710, 0.7052), 3D에서 0.6410 (95% CI: 0.5295, 0.7525) 이었다. 내부 검증에서 2D, 3D의 민감도 는 0.8571, 0.8095, 특이도는 0.1667, 0.5000 이었다. 최적의 컷오프는 2D, 3D에서 각각 0.1776, 0.2013 이었다. 예측 정확도는 2D에서 66.7%, 3D 에서 67.8% 이었다. 결론: 폐암의 양성 및 악성의 감별에서 3D 라디오믹스 모델링이 유용성을 보였으며 내부 검증에서도 유사한 결과를 보였다. 하지만 2D 라디오믹스 모델링 분석 결과와 통계적으로 유의미한 차이를 보이지 않았으며 추가 연구가 필요하다.