Научные статьи \ Прикладные науки. Медицина. Технология \ Mедицинские науки \ Патология. Клиническая медицина \ Нервная система. Невропатология. Неврология

Радиомический анализ данных в нейроонкологии

Радиомический анализ данных в нейроонкологии

Автор: Регентова О.С., Солодкий В.А., Боженко В.К., Сергеев Н.И., Полушкин П.В., Близниченко М.А., Деянова В.А.

Журнал: Вестник Российского научного центра рентгенорадиологии Минздрава России @vestnik-rncrr

Рубрика: Лучевая диагностика

Статья в выпуске: 2 т.24, 2024 года.

Бесплатный доступ

Проведен анализ литературы, посвященный современным методам нейровизуализации и достижений в области применения алгоритмов искусственного интеллекта для анализа медицинских изображений с новообразованиями головного мозга у взрослых и детей. В рамках темы рассмотрены вопросы развития таких направлений как радиомика и радиогеномика в нейроонкологии. Авторы представляют собственный опыт на основе радиологического анализа в ФГБУ "РНЦРР" диффузных глиом ствола головного мозга детского возраста.

Диффузные опухоли ствола мозга, магнитно-резонансная томография, радиомика, радиогеномика

Короткий адрес: https://sciup.org/149145586

IDR: 149145586

Radiomic data analysis in neurooncology

The analysis of literature devoted to modern methods of neuroimaging and achievements in the field of application of artificial intelligence algorithms for the analysis of medical images with brain neoplasms in adults and children is carried out. The development of such areas as radiomics and radiogenomics in neuro-oncology is discussed. The authors present their own experience on the basis of radiologic analysis of diffuse brain stem gliomas of pediatric age in Russian Scientific Center of Roentgenoradiology (RSCRR).

Список литературы Радиомический анализ данных в нейроонкологии

  • Ostrom QT, Cioffi G, Gittleman H, Patil N, Waite K, Kruchko C, Barnholtz-Sloan JS. CBTRUS Statistical Report: Primary Brain and Other Central Nervous System Tumors Diagnosed in the United States in 2012-2016. Neuro Oncol. 2019 Nov 1;21(Suppl 5):v1-v100. doi: 10.1093/neuonc/noz150.
  • Kickingereder P, Willeit P, Simon T, Ruge MI. Diagnostic value and safety of stereotactic biopsy for brainstem tumors: a systematic review and meta-analysis of 1480 cases. Neurosurgery. 2013 Jun;72(6):873-81; discussion 882; quiz 882. doi: 10.1227/NEU.0b013e31828bf445.
  • Nicholson JG, Fine HA. Diffuse Glioma Heterogeneity and Its Therapeutic Implications. Cancer Discov. 2021 Mar;11(3):575-590. doi: 10.1158/2159-8290.CD-20-1474.
  • Первичные опухоли центральной нервной системы. 2020: 1-72. Доступно по: https://cr.minzdrav.gov.ru/recomend/578_1. Дата обращения: 14.03.2024.
  • Талыбов Р.С., Трофимова Т.Н., Тамразов Р.И., Швецов И.В., Мочалов В.В., Спасенников В.В. и др. Достоверность диффузионно-взвешенных изображений и перфузионных показателей в дифференциальной диагностике злокачественных и условно-доброкачественных интракраниальных образований: одноцентровое исследование. Лучевая диагностика и терапия. 2023;14(2):48-63. doi:10.22328/2079-5343-2023-14-2-48-63.
  • Лихтерман Л.Б., Охлопков В.А., Рыжова М.В., Снигирева Г.П., Шишкина Л.В., Пронин И.Н. и др. Принципы современной диагностики опухолей головного мозга. Клинический разбор в общей медицине. 2023;4(5):6-16. doi: 10.21682/2311-1267-2023-10-2-71-76.
  • Сергеев Н.И., Ребрикова В.А., Котляров П.М., Солодкий В.А. Т2* - перфузия в определении фрагментов остаточной ткани опухоли у пациентов с глиомами высокой степени злокачественности после хирургического лечения в подострый постоперационный период. Вестник российского научного центра рентгенорадиологии. 2020;20(1):15-27.
  • Каххаров Р.А., Кадыров Ш.У., Огурцова А.А., Баев А.А., Пронин И.Н., Коновалов А.Н. Опыт хирургического лечения глиом больших полушарий и подкорковых структур головного мозга, прилегающих к кортикоспинальному тракту, у детей с использованием МР-трактографии и интраоперационного электрофизиологического мониторинга. Вопросы нейрохирургии им. Н.Н. Бурденко. 2022;86(6):16-24. doi: 10.17116/neiro20228606116.
  • Хухлаева Е.А., Коновалов А.Н., Пронин И.Н., Корниенко В.Н., Гаврюшин А.В. Нейрорадиология и принципы классификации опухолей ствола головного мозга. Медицинская визуализация. 2011;6:62-74.
  • Avanzo M, Stancanello J, El Naqa I. Beyond imaging: The promise of radiomics. Phys Med. 2017 Jun;38:122-139. doi: 10.1016/j.ejmp.2017.05.071.
  • Liu Z, Wang S, Dong D, Wei J, Fang C, Zhou X, et al. The Applications of Radiomics in Precision Diagnosis and Treatment of Oncology: Opportunities and Challenges. Theranostics. 2019 Feb 12;9(5):1303-1322. doi: 10.7150/thno.30309.
  • Hankinson TC, Campagna EJ, Foreman NK, Handler MH. Interpretation of magnetic resonance images in diffuse intrinsic pontine glioma: a survey of pediatric neurosurgeons. J Neurosurg Pediatr. 2011 Jul;8(1):97-102. doi: 10.3171/2011.4.PEDS1180.
  • Пронин И.Н., Вихрова Н.Б., Калаева Д.Б., Конакова Т.А., Косырькова А.В., Горяйнов С.А. и др. Гетерогенность глиобластом, сопоставление МРТ/ПЭТ-КТ с молекулярно-генетическими характеристиками опухоли. В кн.: Сборник тезисов XXIV съезда физиологического общества им. И. П. Павлова. Санкт-Петербург, 2023. С. 367-368
  • Beig N, Bera K, Tiwari P. Introduction to radiomics and radiogenomics in neuro-oncology: implications and challenges. Neurooncol Adv. 2021 Jan 23;2(Suppl 4):iv3-iv14. doi: 10.1093/noajnl/vdaa148.
  • Koçak B, Durmaz EŞ, Ateş E, Kılıçkesmez Ö. Radiomics with artificial intelligence: a practical guide for beginners. Diagn Interv Radiol. 2019 Nov;25(6):485-495. doi: 10.5152/dir.2019.19321.
  • van Velden FH, Kramer GM, Frings V, Nissen IA, Mulder ER, de Langen AJ, et al. Repeatability of Radiomic Features in Non-Small-Cell Lung Cancer [(18)F]FDG-PET/CT Studies: Impact of Reconstruction and Delineation. Mol Imaging Biol. 2016 Oct;18(5):788-795. doi: 10.1007/s11307-016-0940-2.
  • Zhuge Y, Krauze AV, Ning H, Cheng JY, Arora BC, Camphausen K, Miller RW. Brain tumor segmentation using holistically nested neural networks in MRI images. Med Phys. 2017 Oct;44(10):5234-5243. doi: 10.1002/mp.12481.
  • Данилов Г.В., Шевченко А.М., Конакова Т.А., Погосбекян Е.Л., Шугай С.В., Цуканова Т.В. и др. Неинвазивная диагностика глиом головного мозга по гистологическому типу с помощью нейрорадиомики в стандартизированных зонах интереса: на пути к цифровой биопсии. Вопросы нейрохирургии им. Н.Н. Бурденко. 2023;87(6):59. doi: 10.17116/neiro20238706159.
  • Литвин А.А., Буркин Д.А., Кропинов А.А., Парамзин Ф.Н. Радиомика и анализ текстур цифровых изображений в онкологии (обзор). Современные технологии в медицине. 2021;13(2):97. doi: 10.17691/stm2021.13.2.11.
  • Aerts HJ, Velazquez ER, Leijenaar RT, Parmar C, Grossmann P, Carvalho S, et al. Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach. Nat Commun. 2014 Jun 3;5:4006. doi: 10.1038/ncomms5006.
  • Николенко С., Кадурин А. Глубокое обучение.– СПБ: Питер, 2018.– 480c. [Nikolenko S., Kadurin A., Deep learning. SPB: Piter, 2018. – 480p. (In Russ.)]
  • Chandarana H, Wang H, Tijssen RHN, Das IJ. Emerging role of MRI in radiation therapy. J Magn Reson Imaging. 2018 Dec;48(6):1468-1478. doi: 10.1002/jmri.26271.
  • Чернобривцева В.В., Мисюрин А.С. Новые технологии в лучевой диагностике. Практическая онкология. 2022;23(4):203–210. doi: 10.31917/2304203 [Chernobrivtseva V.V., Misyurin A.S. New technologies in radiology diagnostics. Practical oncology. 2022;23(4):203–210. (In Russ.) doi: 10.31917/2304203]
  • LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015 May 28;521(7553):436-444. doi: 10.1038/nature14539.
  • Rizzo S, Botta F, Raimondi S, Origgi D, Fanciullo C, Morganti AG, Bellomi M. Radiomics: the facts and the challenges of image analysis. Eur Radiol Exp. 2018 Nov 14;2(1):36. doi: 10.1186/s41747-018-0068-z.
  • Солодкий В.А., Каприн А.Д., Нуднов Н.В., Харченко Н.В., Запиров Г.М., Шерстнева Т.В. и др. Современные системы поддержки принятия врачебных решений на базе искусственного интеллекта для анализа цифровых маммографических изображений. Вестник российского научного центра рентгенорадиологии. 2023;104(2):151-162.
  • Wang Y, Jin ZY. Radiomics approaches in gastric cancer: a frontier in clinical decision making. Chin Med J (Engl). 2019 Aug 20;132(16):1983-1989. doi: 10.1097/CM9.0000000000000360.
  • Сергеев Н.И., Котляров П.М., Солодкий В.А. Дифференциальная диагностика очаговых изменений позвоночника с использованием стандартного и радиомического анализа: ретроспективное исследование. Вестник травматологии и ортопедии им. Н.Н. Приорова. 2023;30(1):77-86. doi: 10.17816/vto322858.
  • Компьютерное зрение в лучевой диагностике: первый этап Московского эксперимента. Монография по ред. Васильев Ю. А., Владзимерский А. В. Москва: Издательские решения, 2023. 376 c. ISBN 978-5-0059-3043-9.
  • Lao J, Chen Y, Li ZC, Li Q, Zhang J, Liu J, Zhai G. A Deep Learning-Based Radiomics Model for Prediction of Survival in Glioblastoma Multiforme. Sci Rep. 2017 Sep 4;7(1):10353. doi: 10.1038/s41598-017-10649-8.
  • Данилов Г.В., Пронин И.Н., Шевченко А.М., Конакова Т.А., Шугай С.В., Потапов А.А. Первые результаты неинвазивного типирования глиом головного мозга по данным магнитно-резонансной томографии с помощью машинного обучения. Вопросы нейрохирургии им. Н.Н. Бурденко. 2022;86(6):36. doi: 10.17116/neiro20228606136.
  • Gillies RJ, Kinahan PE, Hricak H. Radiomics: Images Are More than Pictures, They Are Data. Radiology. 2016 Feb;278(2):563-577. doi: 10.1148/radiol.2015151169.
  • Kullarni VY, Sinha PK. Random Forest Classifier: A Survey and Future Research Directions. International Journal of Advanced Computing. 2013;36(1):1144-1156.
Еще
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp