[論文レビュー] Radiomics in Cancer Radiotherapy: a Review

Jiwoong Jeong, Arif Ali+4 more|arXiv (Cornell University)|Oct 4, 2019

Radiomics and Machine Learning in Medical Imaging参考文献 134被引用数 4

ひとこと要約

本レビューは、がん放射線治療におけるレディオミクスの現状を統合的に概説し、画像取得、領域のセグメンテーション、特徴抽出、モデル妥当性評価というワークフローの重要性を強調している。CT、MRI、PET、超音波を含む複数モodalitiyへの応用も示している。レディオミクスは、非侵襲的で繰り返し可能な方法として腫瘍の表現型を定量的に評価し、治療反応を予測するものであり、機械学習と定量的イメージングバイオマーカーの発展を通じて、個別化腫瘍学の前進に貢献している。

ABSTRACT

Radiomics is a nascent field in quantitative imaging that uses advanced algorithms and considerable computing power to describe tumor phenotypes, monitor treatment response, and assess normal tissue toxicity quantifiably. Remarkable interest has been drawn to the field due to its noninvasive nature and potential for diagnosing and predicting patient prognosis. This review will attempt to comprehensively and critically discuss the various aspects of radiomics including its workflow, applications to different modalities, potential applications in cancer radiotherapy, and limitations.

研究の動機と目的

• 過去10年間のレディオミクスに関する文献をPubMedを用いて系統的レビューし、引用文献の手動レビューを併用して、がん放射線治療におけるレディオミクスの包括的かつ批判的な概要を提供すること。
• 画像モダリティに跨るレディオミクスワークフロー（画像取得、関心領域（ROI）のセグメンテーション、特徴抽出、モデル妥当性評価）の分析を行うこと。
• レディオミクスが腫瘍の特徴付け、治療反応予測、正常組織への毒性評価の向上に果たす役割を評価すること。
• 画像取得、特徴抽出、用語定義における標準化の欠如といった主な制限要因を特定すること。
• TRIPOD や IBEX といった標準化、データ共有、妥当性評価フレームワークの促進を通じて、臨床応用を推進することを提言すること。

提案手法

• 過去10年間のレディオミクス文献をPubMedを用いた系統的レビューと、引用文献の手動レビューによるもの。
• レディオミクスのワークフロー分析：画像取得、関心領域（ROI）のセグメンテーション、特徴抽出（形状、テクスチャ、ヒストограм、フィルタードベース）、モデル開発。
• 機械学習およびデータマイニング技術を用いて、CT、MRI、PET、超音波画像から高スルーレットの定量的特徴を抽出すること。
• CERR、CGITA、MaZda、IBEX などの標準化プラットフォームを用いて、特徴の再現性と頑健性を評価すること。
• 独立したデータセットを用いたレディオミクスモデルの妥当性評価と、透明性の高い報告基準（例：TRIPOD）を用いた臨床的適用性の評価。
• 生存率、治療反応などの臨床的アウトカムとレディオミクス特徴を統合し、個別化放射線治療のための予測モデルを構築すること。

実験結果

リサーチクエスチョン

• RQ1 レディオミクスは、がん放射線治療における腫瘍表現型の非侵襲的で定量的な特徴付けをどのように改善できるか？
• RQ2 異なる医療画像モダリティに跨るレディオミクスワークフローの主な構成要素と課題は何か？
• RQ3 膠芽腫、乳がん、頭頸部がんなどのがんで、レディオミクス特徴が治療反応および患者の生存率を予測するのにどの程度有効であるか？
• RQ4 レディオミクスの臨床応用における主な障壁は何か。標準化はそれらをどのように克服できるか？
• RQ5 レディオミクスは、個別化放射線治療計画および予後予測を向上させるために、どのように日常臨床に統合できるか？

主な発見

• レディオミクスは、医療画像に対して高度なアルゴリズムを適用することで、腫瘍表現型の高スルーレットで客観的かつ定量的な分析を可能にし、繰り返し生検を必要としない非侵襲的代替法を提供する。
• CT、MRI、PET、超音波から抽出されたレディオミクス特徴は、多形性膠芽腫、乳がん、腎細胞がんなどのがんで強力な予後予測価値を示している。
• 有望な結果が得られているものの、大多数の研究は後向きで、画像取得、セグメンテーション、特徴名の命名における標準化が欠如しており、再現性と臨床応用の拡大を制限している。
• IBEX、CERR、CGITA、MaZda などのソフトウェアプラットフォームは特徴抽出とデータ共有を支援しているが、施設間での包括的標準化は依然として重要なギャップである。
• レディオミクスの臨床応用は、3つの要因に依存する：現在の予測モデルの強化、早期治療反応の検出、TRIPOD などのフレームワークによる堅牢な妥当性評価。
• レディオミクスは、すでに日常的臨床ケアで取得済みの画像を後処理するため、追加の被ばくをもたらさず、腫瘍動態の繰り返しモニタリングに最適である。