[논문 리뷰] Automatic MRI-Driven Model Calibration for Advanced Brain Tumor Progression Analysis

Klaudius Scheufele, Shashank Subramanian외 1명|arXiv (Cornell University)|2020. 01. 24.

Mathematical Biology Tumor Growth인용 수 6

한 줄 요약

이 논문은 단일 전외과적 mpMRI 스캔에서 전체적으로 자동화된, MRI 기반의 방법을 제시하여 단일 종류의 반응-확산 종양 성장 모델을 보정한다. 이는 간질세포 뇌종양(Glioblastoma, GBM)의 종양세포 증식률, 이동률 및 종양 유도 위치(Tumor Initiation Location, TIL)를 미세미터 이내 정밀도로 안정적으로 추정할 수 있게 한다. 이 방법은 매개변수 분해를 통한 군집-세분화 다중 해상도 계속성 기법을 사용하여 역문제의 안정성을 확보하며, 영상 특징과 생물물리적 매개변수를 조합함으로써 생존 예측 성능을 향상시킨다.

ABSTRACT

Our objective is the calibration of mathematical tumor growth models from a single multiparametric scan. The target problem is the analysis of preoperative Glioblastoma (GBM) scans. To this end, we present a fully automatic tumor-growth calibration methodology that integrates a single-species reaction-diffusion partial differential equation (PDE) model for tumor progression with multiparametric Magnetic Resonance Imaging (mpMRI) scans to robustly extract patient specific biomarkers i.e., estimates for (i) the tumor cell proliferation rate, (ii) the tumor cell migration rate, and (iii) the original, localized site(s) of tumor initiation. Our method is based on a sparse reconstruction algorithm for the tumor initial location (TIL). This problem is particularly challenging due to nonlinearity, ill-posedeness, and ill conditioning. We propose a coarse-to-fine multi-resolution continuation scheme with parameter decomposition to stabilize the inversion. We demonstrate robustness and practicality of our method by applying the proposed method to clinical data of 206 GBM patients. We analyze the extracted biomarkers and relate tumor origin with patient overall survival by mapping the former into a common atlas space. We present preliminary results that suggest improved accuracy for prediction of patient overall survival when a set of imaging features is augmented with estimated biophysical parameters. All extracted features, tumor initial positions, and biophysical growth parameters are made publicly available for further analysis. To our knowledge, this is the first fully automatic scheme that can handle multifocal tumors and can localize the TIL to a few millimeters.

연구 동기 및 목표

• GBM 환자에서 단일 전외과적 mpMRI 스캔으로부터 생물물리적 종양 성장 모델을 보정하기 위한 강력하고 완전 자동화된 방법을 개발한다.
• 환자별 생물학적 지표인 종양세포 증식률, 이동률 및 종양 유도 위치(TIL)를 추정한다.
• 공통 어휘공간으로의 TIL 매핑 및 전체 생존과의 상관관계를 통해 TIL의 예후적 관련성을 조사한다.
• 비선형성, 부적절하게 정의된 문제 및 조건이 나쁜 문제를 해결하기 위해 고급 수치 안정화 기법을 사용한다.
• 미래 연구 및 임상 검증을 위해 공개 가능한 생물학적 지표, TIL 및 성장 매개변수를 제공한다.

제안 방법

• 이 방법은 초기 종양세포 분포에서 종양 진행을 시뮬레이션하기 위해 단일 종류의 반응-확산 PDE 모델을 사용한다.
• 희소 재구성 알고리즘을 사용하여 고차원의 종양 유도 위치(TIL) 벡터를 추정하며, 이를 희소 소스 항목으로 간주한다.
• 비선형성, 부적절하게 정의된 역문제의 안정성을 확보하기 위해 군집-세분화 다중 해상도 계속성 기법을 적용한다.
• 매개변수 분해를 통해 증식률 및 이동률 추정을 TIL 재구성에서 분리함으로써 수렴성과 강건성을 향상시킨다.
• 불안정성과 임상 데이터의 노이즈를 다루기 위해 Tikhonov 유형 정규화를 사용한 신뢰영역 방법을 통해 역문제를 해결한다.
• 모든 결과는 군집 수준의 통계 분석 및 생존 상관관계 분석을 위해 공통의 MNI-Talairach 어휘공간으로 매핑된다.

실험 결과

연구 질문

• RQ1 단일 전외과적 mpMRI 스캔에서 완전 자동화된 MRI 기반 역문제 방법이 종양세포 증식률과 이동률을 신뢰성 있게 추정할 수 있는가?
• RQ2 비선형성과 부적절하게 정의된 문제로 인해 임상적 GBM 데이터에서 종양 유도 위치(TIL)를 미세미터 이내 정밀도로 국소화할 수 있는가?
• RQ3 추정된 TIL이 환자의 전체 생존과 상관관계가 있으며, 영상 특징과 조합되었을 때 생존 예측 성능을 향상시킬 수 있는가?
• RQ4 관측된 종양 가장자리 기반 어휘공간과 TIL 기반 어휘공간은 공간 분포 및 편향 측면에서 어떻게 다를 수 있는가?
• RQ5 이 방법은 실제 임상 데이터셋에서 다중부위 종양 및 이질적인 GBM 표현형을 강건하게 다룰 수 있는가?

주요 결과

• 이 방법은 BraTS'18 데이터셋의 206명의 GBM 환자에서 강력하고 완전 자동화된 보정을 달성하여 실제 임상 데이터에서의 실용성을 입증하였다.
• 종양 유도 위치(TIL) 국소화는 비국소화된 TIL과 비교해 상당히 다른 침습 예측을 이끌었으며, 국소화된 TIL은 시각적으로 관찰 가능한 가장자리 너머의 종양 확산을 더 잘 포착하였다.
• TIL은 환자의 생존과 상관관계가 있었으며, 특히 아래 왼쪽 뇌실 근처에 위치한 왼쪽 편측 측두엽 부근에서 기원한 종양은 더 공격적이며 생존 기간이 짧았다.
• 더 긴 생존을 보인 종양은 뇌척골에 더 가까이 위치한 경향이 있었으며, 이는 종양 기원의 공간 패턴이 예후와 관련이 있음을 시사한다.
• TIL 기반의 확률 어휘공간은 관측된 종양 가장자리 기반 어휘공간과 다른 공간 패턴을 보였으며, 후자는 종양 크기와 형태에 의해 편향됨을 시사한다.
• 영상 특징에 추정된 생물물리적 매개변수(증식, 이동, TIL)를 보완하여 생존 예측을 위한 초보적 분석 결과 정확도가 향상되었지만, 표본 수가 적어 결과는 확정적이지 않았다.