[논문 리뷰] Radiologic Image-based Statistical Shape Analysis of Brain Tumors

Karthik Bharath, Sebastian Kurtek외 2명|arXiv (Cornell University)|2017. 02. 03.

Morphological variations and asymmetry참고 문헌 35인용 수 4

한 줄 요약

이 논문은 영상의학적 MRI 영상에서 뇌종양의 통계적 형태 분석을 위한 리만 기하학적, 곡선 기반 프레임워크를 제안한다. 탄성 거리 척도를 갖는 다양체 위에 종양 형태를 모델링함으로써 형태 비교, 주성분 분석(PCA), 군집화 및 생존 모델링이 가능해지며, 이는 간질성 뇌종양 환자에서 종양 형태가 임상적 및 유전적 변수를 초월해 생존 예측을 크게 향상시킴을 보여준다.

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.

연구 동기 및 목표

• 2D MRI 단면도에서 뇌종양의 통계적 형태 분석을 위한 엄밀하고 수학적으로 타당한 방법을 개발하기 위해.
• 임상 실무에서 사용되는 주관적이고 재현 불가능한 형태 기술자들의 한계를 극복하기 위해.
• 종양 형태를 생존 모델링에 통합하여 다형성 뇌종양에서 예후 정확도를 향상시키기 위해.
• 생존과 관련된 생물학적으로 의미 있는 형태 패턴이 종양 아형 및 유전적 프로파일과 연결되는지 규명하기 위해.
• 다른 암종 및 영상 모odalities에 적용 가능한 일반화 가능한 형태 기반 분석 프레임워크를 제공하기 위해.

제안 방법

• 종양 윤곽을 단위 원 위의 제곱-integrable 함수 공간인 사전 형태 공간에 임bedded된 평면 내 폐곡선으로 모델링한다.
• 탄성 형태 분석 기반 리만 거리 척도를 사용하여 지오데식 거리 및 형태의 내재적 비교가 가능하도록 한다.
• 형태 다양체 위에서 주성분 분석(PCA)을 수행하여 주요 형태 변동 방향을 규명한다.
• 형태 변형과 정렬을 효율적으로 계산하기 위해 제곱근 속도 함수(SRVF)를 통해 종양 형태를 표현한다.
• 생존 모델은 임상적 및 유전적 변수와 함께 주성분 계수를 예측 변수로 포함한다.
• 군집화 및 가설 검정을 형태 다원체 위에서 수행하여 생물학적으로 구분 가능한 종양 아형을 탐지한다.

실험 결과

연구 질문

• RQ1 2D MRI 단면도에서 종양 형태를 효과적으로 모델링하고 비교할 수 있는 리만 기하학적 프레임워크가 가능한가?
• RQ2 크기 및 부피와는 무관하게 종양 형태가 간질성 뇌종양에서 의미 있는 예후 정보를 지니는가?
• RQ3 형태 기반 군집화가 생물학적으로 및 임상적으로 구분 가능한 GBM 아형을 드러내는가?
• RQ4 형태 정보를 추가함으로써 생존 예측 모델의 성능 향상 정도는 어느 정도인가?
• RQ5 종양 형태 패턴과 기저 유전적 또는 병리학적 아형 간에 검출 가능한 연관성이 있는가?

주요 결과

• 프레임워크는 생존 결과, 아형 특성 및 유전적 프로파일에서 뚜렷한 차이를 보이는 두 개의 독립된 환자 군집을 성공적으로 규명하였다.
• 임상적 및 유전적 변수와 함께 종양 형태를 모델에 통합함으로써 생존 예측 능력이 유의미하게 향상되었다.
• 형태 변동의 주성분은 생존 감소와 함께 증가하는 가시성(스피큘레이션)과 같은 생물학적으로 타당한 변형을 드러냈다.
• 생존 감소 방향의 평균 형태는 불규칙성과 가시성이 증가한 형태를 보였으며, 이는 침습적인 종양 행동과 일치하였다.
• 형태 계수와 주요 유전자 간 잠재적 연관성이 드러나 형태가 분자 아형의 생물학적 지표가 될 수 있음을 시사하였다.
• 형태 계수를 포함한 생존 모델은 형태 특징가 없는 모델 대비 더 뛰어난 분류 성능과 캘리브레이션을 보였다.