Радиомика в диагностике клинически-значимого рака предстательной железы в категории PI-RADS 3. Что уже известно, и что делать дальше?

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В настоящее время рак предстательной железы является вторым наиболее часто диагностируемым типом рака у мужчин. С целью унификации диагностического процесса в 2019 году была опубликована вторая редакция системы оценки данных и составления заключения при интерпретации магнитно-резонансной томографии предстательной железы (PI-RADS). В рамках этой классификации, категория PI-RADS 3 указывает на промежуточный риск наличия клинически значимого рака предстательной железы, при этом отсутствуют универсальные рекомендации относительно лечения пациентов, попадающих в данную категорию. В литературе прослеживаются различные мнения: одни исследователи настаивают на необходимости проведения биопсии для дальнейшей оценки состояния, тогда как другие предлагают стратегию активного наблюдения за такими пациентами.

Цель — анализ и сравнение существующих диагностических моделей, основанных на радиомике при дифференцировке и выявлении клинически значимого рака предстательной железы у пациентов с категорией PI-RADS 3.

Материалы и методы. Поиск публикаций в базах данных PubMed, Scopus, Web of Science осуществлялся по ключевым словам: PI-RADS 3, radiomics, texture analysis, clinically significant prostate cancer — с дополнительным акцентом на исследования, оцениваемые по Radiology Quality Score. Критерии отбора включали идентификацию PI-RADS 3 по рекомендациям 2.1 версии, использование системной биопсии в качестве контроля, применение инструментов, совместимых со стандартом IBSI для анализа радиологических признаков, и подробное описание методологии. В результате были отобраны 4 метаанализа и 12 оригинальных статей.

Результаты. Диагностические модели на основе радиомики показали значительные перспективы для улучшения точности выявления клинически значимого рака предстательной железы в категории PI-RADS 3 по системе PI-RADS V2.1. Тем не менее исследования A. Stanzione A. и соавт. и J. Bleker и соавт. выявили проблемы с качеством таких моделей, что ограничивает их клиническое применение, основываясь на низких значениях Radiology Quality Score. В контрасте, работы T. Li и соавт. и Y. Hou и соавт. предложили новаторские методы, включая разработку номограмм и применение машинного обучения, демонстрируя потенциал радиомики в улучшении диагностики для данной категории, что указывает на возможности дальнейшего развития и применения радиомических исследований в клинической практике.

Заключение. Несмотря на то, что разработанные модели сегодня не могут полностью заменить PI-RADS, включение радиомики может в значительной степени улучшить эффективность диагностического процесса, обеспечивая врачам-рентгенологам количественные и качественные критерии, которые позволят с большей уверенностью диагностировать рак предстательной железы.

Об авторах

Александра Сергеевна Тян

Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского

Автор, ответственный за переписку.
Email: tyan_a_s@staff.sechenov.ru
ORCID iD: 0009-0007-4193-7413
Россия, Москва

Григорий Григорьевич Кармазановский

Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского

Email: karmazanovsky@yandex.ru
ORCID iD: 0000-0002-9357-0998
Россия, Москва

Наталья Александровна Карельская

Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского

Email: karelskaya.n@yandex.ru
Россия, Москва

Евгений Валерьевич Кондратьев

Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского

Email: evgenykondratiev@gmail.com
Россия, Москва

Александр Дмитриевич Ковалев

Национальный медицинский исследовательский центр хирургии имени А.В. Вишневского

Email: aledmikov@yandex.ru
Россия, Москва

Список литературы

  1. Westphalen A.C., McCulloch C.E., Anaokar J.M., et al. Variability of the positive predictive value of PI-RADS for prostate MRI across 26 centers: experience of the society of abdominal radiology prostate cancer disease-focused panel // Radiology. 2020. Vol. 296, N 1. P. 76–84. doi: 10.1148/radiol.2020190646
  2. Ferro M., de Cobelli O., Musi G., et al. Radiomics in prostate cancer: An up-to-date review // Therapeutic Advances in Urology. 2022. Vol. 14. P. 17562872221109020. doi: 10.1177/17562872221109020
  3. Wadera A., Alabousi M., Pozdnyakov A., et al. Impact of PI-RADS category 3 lesions on the diagnostic accuracy of MRI for detecting prostate cancer and the prevalence of prostate cancer within each PI-RADS category: A systematic review and meta-analysis // The British journal of radiology. 2021. Vol. 94, N 1118. P. 20191050. doi: 10.1259/bjr.20191050
  4. Li T., Sun L., Li Q., et al. Development and validation of a radiomics nomogram for predicting clinically significant prostate cancer in PI-RADS 3 lesions // Frontiers in oncology. 2022. Vol. 11. P. 825429. doi: 10.3389/fonc.2021.825429
  5. Qi Y., Zhang S., Wei J., et al. Multiparametric MRI-Based Radiomics for Prostate Cancer Screening With PSA in 4–10 ng/mL to Reduce Unnecessary Biopsies // Journal of Magnetic Resonance Imaging. 2020. Vol. 51, N 6. P. 1890–1899. doi: 10.1002/jmri.27008
  6. Penzias G., Singanamalli A., Elliott R., et al. Identifying the morphologic basis for radiomic features in distinguishing different Gleason grades of prostate cancer on MRI: Preliminary findings // PloS one. 2018. Vol. 13, N 8. P. e0200730. doi: 10.1371/journal.pone.0200730
  7. Corsi A., De Bernardi E., Bonaffini P.A., et al. Radiomics in PI-RADS 3 Multiparametric MRI for Prostate Cancer Identification: Literature Models Re-Implementation and Proposal of a Clinical–Radiological Model // Journal of Clinical Medicine. 2022. Vol. 11, N 21. P. 6304. doi: 10.3390/jcm11216304
  8. Hectors S.J., Chen C., Chen J., et al. Magnetic Resonance Imaging Radiomics-Based Machine Learning Prediction of Clinically Significant Prostate Cancer in Equivocal PI-RADS 3 Lesions // Journal of Magnetic Resonance Imaging. 2021. Vol. 54, N 5. P. 1466–1473. doi: 10.1002/jmri.27692
  9. Jin P., Shen J., Yang L., et al. Machine learning-based radiomics model to predict benign and malignant PI-RADS v2. 1 category 3 lesions: a retrospective multi-center study // BMC Medical Imaging. 2023. Vol. 23, N 1. P. 1–13. doi: 10.1186/s12880-023-01002-9
  10. Stanzione A., Gambardella M., Cuocolo R., et al. Prostate MRI radiomics: A systematic review and radiomic quality score assessment // European journal of radiology. 2020. Vol. 129. P. 109095. doi: 10.1016/j.ejrad.2020.109095
  11. Bleker J., Kwee T.C., Yakar D. Quality of multicenter studies using MRI radiomics for diagnosing clinically significant prostate cancer: a systematic review // Life. 2022. Vol. 12, N 7. P. 946. doi: 10.3390/life12070946
  12. Hou Y., Bao M.L., Wu C.J., et al. A radiomics machine learning-based redefining score robustly identifies clinically significant prostate cancer in equivocal PI-RADS score 3 lesions // Abdominal Radiology. 2020. Vol. 45. P. 4223–4234. doi: 10.1007/s00261-020-02678-1

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Эко-вектор, 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».