Radiomics 알고리즘은 다발성 골수종에서 핵심 바이오마커를 찾습니다.

Jul 05, 2023

2023년 8월 4일 -- Clinical Radiology에 발표된 새로운 연구에 따르면, 다발성 골수종(MM) 환자의 경우 MRI 방사선학 기계 학습 알고리즘이 더 긴 생존과 관련된 바이오마커인 최소 잔존 질환(MRD) 상태를 식별할 수 있다고 합니다.

중국 장쑤성 소주대학교 제1부속병원 X. Xiong이 이끄는 연구원 그룹은 T1 강조 T1 가중치 영상 및 지방 포화 T2 가중치 영상 시퀀스에서 방사성 특징을 추출하고 분석하기 위한 기계 학습 알고리즘을 훈련했습니다. 요추 MRI에. 테스트에서 가장 성능이 좋은 모델인 선형 서포트 벡터 머신(SVM) 분류기는 MRD 상태에 대한 곡선 아래 면적(AUC)을 최대 0.8로 산출했습니다.

저자는 "선형 SVM 기반 기계 학습 방법은 MM에서 MRD 상태를 식별하기 위한 비침습적 도구를 제공할 수 있습니다"라고 썼습니다.

MM에 대한 새로운 바이오마커인 MRS는 MM에 대한 가장 깊은 수준의 치료 반응을 나타내는 것으로 간주됩니다. 연구진에 따르면 최근 방사성학 연구에서는 고위험 세포유전학적 상태를 예측하고 MM 치료 반응을 평가할 수 있는 가능성이 나타났습니다. 그러나 이 두 연구 모두 작은 데이터 세트를 사용했습니다.

연구에서 연구자들은 MRI에서 MRD 상태를 식별할 수 있는 가능성을 탐구하고 임상 치료 요법을 최적화하기 위한 최고의 기계 학습 방법을 식별하려고 했습니다.

연구진은 치료 전 전신 MRI를 받은 새로 진단된 환자 83명으로부터 데이터를 후향적으로 수집했습니다. 이 중 59개는 모델 훈련에 사용되었고 24개는 알고리즘 검증을 위해 따로 보관되었습니다.

Radiomics 모델은 Random Forest, K-nearest Neighbor, Naïve Bayes, 선형 SVM 및 방사형 SVM의 5가지 분류기를 사용하여 T1 가중치 영상 및 지방 포화 T2 가중치 영상 시퀀스를 기반으로 개발되었습니다. 로지스틱 회귀 분석을 수행한 후 골수 침윤 비율은 방사성 분석을 위해 유지되는 유일한 특징이었습니다.

또한 연구원들은 연령, 성별, 국제 병기 결정 시스템 단계, FISH(형광 in situ 하이브리드화) 상태, 혈청 단백질 수준, 골수 침윤 비율, 칼슘, 크레아티닌 및 알부민을 포함한 임상 데이터를 기반으로 전통적인 모델을 훈련했습니다. 마지막으로 그들은 방사선학과 임상 특징 모두에 대한 분석을 통합한 결합 모델을 개발했습니다.

검증 세트에서 선형 SVM 기반 방사성 모델은 T1 강조 영상에서 AUC 0.708, 지방 포화 T2 강조 영상에서 AUC 0.8을 나타내어 기존 모델보다 우수한 성능을 보였습니다. 또한 결합 모델은 방사성 모델에 비해 통계적으로 유의미한 성능 차이를 나타내지 않았습니다.

"요약하자면, 현재 결과는 유도 치료 후 MRD 상태를 정확하게 식별할 수 있는 MRI의 방사선학 분석 및 기계 학습의 성능을 보여줍니다."라고 저자는 결론지었습니다. "연구는 회고적이었기 때문에 MRD 상태를 식별하는 방법의 능력을 추가로 조사하기 위해서는 전향적 연구와 다중 시점 분석이 필요합니다."

전체 연구는 여기에서 확인할 수 있습니다.