[論文レビュー] Radiologic Image-based Statistical Shape Analysis of Brain Tumors

Karthik Bharath, Sebastian Kurtek+2 more|arXiv (Cornell University)|Feb 3, 2017

Morphological variations and asymmetry参考文献 35被引用数 4

ひとこと要約

本稿では、放射線的MRI画像を用いた脳腫瘍の統計的形状解析のためのリーマン幾何的曲線ベースのフレームワークを提案する。腫瘍形状を弾性計量を用いた多様体上にモデル化することで、形状比較、主成分分析（PCA）、クラスタリング、生存予測モデリングが可能となり、膠腫瘍（glioblastoma）患者において、腫瘍形状が臨床的および遺伝的変数に加えて生存予測を顕著に改善することが示された。

ABSTRACT

We propose a curve-based Riemannian-geometric approach for general shape-based statistical analyses of tumors obtained from radiologic images. A key component of the framework is a suitable metric that (1) enables comparisons of tumor shapes, (2) provides tools for computing descriptive statistics and implementing principal component analysis on the space of tumor shapes, and (3) allows for a rich class of continuous deformations of a tumor shape. The utility of the framework is illustrated through specific statistical tasks on a dataset of radiologic images of patients diagnosed with glioblastoma multiforme, a malignant brain tumor with poor prognosis. In particular, our analysis discovers two patient clusters with very different survival, subtype and genomic characteristics. Furthermore, it is demonstrated that adding tumor shape information into survival models containing clinical and genomic variables results in a significant increase in predictive power.

研究の動機と目的

• 2D MRIスライスからの脳腫瘍の統計的形状解析のための厳密で数学的に整合性のある手法を開発すること。
• 臨床現場で使用されている主観的で再現性のない形状記述子の限界を克服すること。
• 腫瘍形状を生存モデリングに統合し、多形性膠腫瘍（GBM）における予後予測の正確性を向上させること。
• 生存、サブタイプ、および遺伝的プロファイルに関連する生物学的に意味のある形状パターンを同定すること。
• 他のがん種および画像モalityに適用可能な汎用的な形状ベースの解析フレームワークを提供すること。

提案手法

• 本手法は、平面内の閉曲線として腫瘍輪郭をモデル化し、単位円上の平方可積分関数の前形状空間に埋め込む。
• 弾性形状解析に基づくリーマン計量を採用することで、測地線距離および形状の内在的比較が可能になる。
• 形状多様体上で主成分分析（PCA）を実施し、形状変動の主要モードを同定する。
• 形状変形およびアライメントの効率的計算を可能にするために、平方根速度関数（SRVF）を用いて腫瘍形状を表現する。
• 生存モデルは、臨床的および遺伝的変数と併せて、形状の主成分係数を予測変数として統合する。
• クラスタリングおよび仮説検定を形状多様体上で実施し、生物学的に異なる腫瘍サブタイプを同定する。

実験結果

リサーチクエスチョン

• RQ1 リーマン幾何的フレームワークは、2D MRIスライスからの腫瘍形状を効果的にモデル化・比較できるか？
• RQ2 サイズや体積とは独立して、腫瘍形状が膠腫瘍において有意な予後情報を持つのか？
• RQ3 形状ベースのクラスタリングは、生物学的にも臨床的にも異なるGBMサブタイプを明らかにできるか？
• RQ4 形状情報の追加が、生存予測モデルの性能をどの程度向上させるか？
• RQ5 腫瘍形状パターンとその背後にある遺伝的または病理的サブタイプとの間に明確な関連が検出可能か？

主な発見

• フレームワークは、著しく異なる生存予後、サブタイプ特性、および遺伝的プロファイルを示す2つの明確な患者クラスタを効果的に同定した。
• 臨床的および遺伝的変数に加えて腫瘍形状を統合したモデルは、生存予測の予測力が顕著に向上した。
• 形状変動の主成分は、生存率の低下に伴い棘状化が進行するなど、生物学的に妥当な変形を明らかにした。
• 生存率の低下方向に沿った平均形状は、不規則性および棘状化の増加を示し、侵襲性の高い腫瘍行動と整合的であった。
• 腫瘍形状係数とドライバー遺伝子との間に潜在的な関連が同定され、形状が分子サブタイプのバイオマーカーとしての可能性を示唆した。
• 形状係数を統合した生存モデルは、形状特徴を含まないモデルに比べ、判別力および適合度が向上した。