Hodgkin ve non hodgkin lenfoma tanılı hastalarda PET görüntülemenin BT verileri kullanılarak radiomics analizi ile patolojik subtiplerin karşılaştırılması

Abstract

GİRİŞ: Genel olarak yaşlılarda olmak üzere her yaşta görülebilen malign lenfomalar heterojen bir grup malignensiyi kapsamaktadır. Malign lenfomalar, Hodgkin ve Non Hodgkin olmak üzere iki ana kategoriye ve bunlar da kendi aralarında alt tiplere ayrılmaktadır. Lenfoma tanısı, öykü, fizik muayene, kan tetkiki ve patolojik lenf nodundan alınan biyopsi materyalinin histopatolojik olarak incelenmesinden sonra konur. Tanıyı alan hastalarda tedavi öncesi evreleme ve tedavi planı açısından FDG PET/BT ya da kontrastlı BT görüntülemesi yapılır. AMAÇ: Alınan biyopsi materyalinin patolog tarafından incelenmesi sonucu Hodgkin veya Non Hodgkin lenfoma tanısı alan ve FDG PET/BT görüntülemesi yapılan hastalarda retrospektif olarak bu görüntülemenin BT verileri kullanılarak Radiomics Analizi ile lenfoma patolojik alt tiplerin karşılaştırılması bunun sonucunda biyopsi olmadan lenfoma alt tiplerinin Radiomics Analizi tanınabilmesi amaçlanmıştır. GEREÇ ve YÖNTEM: Çalışmaya biyopsi sonrası lenfoma (hodgkin veya non hodgkin) tanısı alan ve FDG PET/BT görüntülemesi yapılan 110 olgu dahil edildi. Retrospektif olarak, FDG PET/BT görüntülemedeki BT verileri kullanılarak, olguların histopatolojik sonuçlarını bilmeyen iki ayrı gözlemci tarafından Radiomics Analizi ile değerlendirildi. BULGULAR: Hodgkin - Non Hodgkin lenfoma ayrımı yapan nöral ağlardan sadece Radiomics temelli olan %75 oranında doğru tahmin yaparken, yaş parametresi modele eklendiğinde %88 doğrulukla tahmin yaptığı görüldü. B hücreli - T hücreli lenfoma ayrımı yapmak için geliştirilen modelde Radiomics içerikleri ile %75 doğrulukla tahmin yaptı. Modele yaş ve cinsiyetin eklenmesi tahmin gücünü arttırmadı. Ki-67'i kantitatif tahmin etmek üzerine geliştirilen modelde R2 = 0,74 olarak bulundu. SONUÇ: FDG PET/BT görüntülemenin düşük doz BT görüntüleri ile yaptığımız bu çalışmada Hodgkin - Non Hodgkin lenfoma ayrımı yapan nöral ağ neredeyse 'mükemmel' sınıf tahmini yaptı. B hücreli - T hücreli lenfoma ayrımı ile Ki-67'nin kantitatif tayininde ise 'iyi' performans gösterdi. Bu yöntemle çıplak gözle ayırt edilemeyecek içerikler tanıya yardımcı olarak sunulmuştur.

BACKGROUND: Malignant lymphoma is a heterogenous group of disease, tends to affect older adults, but can appear at any age group. Malignant lymphoma is classified within two major subtypes, Hodgkin and non-Hodgkin lymphoma and these groups are subdivided into smaller groups. To diagnose lymphoma; clinical history, physical examination, blood tests and histological assessment of pathologic lymph nodes are important diagnostic tools. For pretreatment staging and treatment planning in patients with diagnosis of lymphoma, FDG PET-CT and contrast enhanced CT are preffered. PURPOSE: We aimed to discriminate lymphoma subtypes using Radiomics analysis to avoid invasive interventions like biopsies. For Radiomics analysis, we retrieved the CT images of FDG PET-CT of patients with pathologic diagnosis of Hodgkin or non-Hodgkin lymphoma and evaluated retrospectively. METHODS: A total number of 110 histologically proven lymphoma (Hodgkin or non-Hodgkin) patients were included in the study. Two observers, who were blinded the pathology results and each other, evaluated CT images of obtained FDG PET-CT for radiomic features. FINDINGS: Neural networks which were used to differentiate Hodgkin lymphoma from non-Hodgkin lymphoma had % 75 predictive accuracy alone. Additional age information improved their accuracy to 88 percent. Neural networks which were used to differentiate B cell lymphoma from T cell lymphoma had % 75 predictive accuracy. Age and gender information didn't make any change in accuracy values. R-squared value was calculated as 0,74 for the model used in quantitative assessment of Ki-67 expression. RESULTS: In this study, which we used low dose CT images of FDG PET-CT, predictions of our neural network were excellent for Hodgkin and non-Hodgkin lymphoma differentiation and good for B and T cell lymphoma differentiation and Ki-67 quantiative estimation. This method improves diagnosis with additional information which cannot be derived with unaided eye.