[論文レビュー] Automatic MRI-Driven Model Calibration for Advanced Brain Tumor Progression Analysis

Klaudius Scheufele, Shashank Subramanian+1 more|arXiv (Cornell University)|Jan 24, 2020

Mathematical Biology Tumor Growth被引用数 6

ひとこと要約

本稿では、1回の術前mpMRIスキャンから、完全自動でMRI駆動型の単一種別反応拡散腫瘍成長モデルをキャリブレーションする手法を提示している。この手法により、膠芽腫瘍（GBM）の腫瘍細胞の増殖速度、移動速度、および腫瘍発生部位（TIL）を0.5mm未満の精度で安定的に推定可能である。本手法は、パラメータ分解を用いた粗〜細かいマルチスケール続行スキームを採用し、逆問題の安定化を図り、画像特徴と組み合わせた生存予測性能を向上させた。

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.

研究の動機と目的

• GBM患者における1回の術前mpMRIスキャンから、生物学的物理的腫瘍成長モデルをキャリブレーションする、堅牢で完全自動の手法を開発すること。
• 患者特異的なバイオマーカーとして、腫瘍細胞の増殖速度、移動速度、および腫瘍発生部位（TIL）を推定すること。
• TILを共通アトラス空間にマッピングし、全生存期間と相関させることで、TILの予後的意義を調査すること。
• 非線形性、不適切な定式化、悪条件性の課題を、高度な数値安定化技術を用いて克服すること。
• 今後の研究および臨床的妥当性検証のため、公開可能なバイオマーカー、TIL、成長パラメータを提供すること。

提案手法

• 本手法は、初期腫瘍細胞分布からの腫瘍進行を模擬する単一種別反応拡散PDEモデルを採用している。
• スパース再構成アルゴリズムを用いて、高次元の腫瘍発生部位（TIL）ベクトルを推定し、これをスパースな源項として扱う。
• 非線形的かつ不適切な逆問題の安定化を図るため、粗〜細かいマルチスケール続行スキームを適用している。
• パラメータ分解を用いて、増殖速度と移動速度の推定をTIL再構成から分離し、収束性と頑健性を向上させている。
• 不適切な条件性および臨床データのノイズに対処するため、Tikhonov型正則化を用いた信頼領域法により逆問題を解いている。
• すべての結果は、集団レベルの統計的分析および生存期間相関のための共通MNI-Talairachアトラス空間にマッピングされている。

実験結果

リサーチクエスチョン

• RQ1 完全自動でMRI駆動型の逆問題を用いた手法が、1回の術前mpMRIスキャンから腫瘍細胞の増殖速度および移動速度を信頼性高く推定できるか？
• RQ2 非線形性および不適切な定式化の課題があるにもかかわらず、臨床的GBMデータにおいて腫瘍発生部位（TIL）を0.5mm未満の精度で局在化できるか？
• RQ3 推定されたTILは患者の全生存期間と相関を示すか？ また、画像特徴と組み合わせた場合、生存予測性能が向上するか？
• RQ4 観察された腫瘍縁に基づくアトラスと、TILに基づくアトラスとの空間的分布およびバイアスの違いは何か？
• RQ5 本手法は、現実の臨床データセットにおける多焦点性腫瘍および異質なGBM表現型を、頑健に処理できるか？

主な発見

• 本手法は、BraTS'18データセットに含まれる206例のGBM患者に対して、実臨床データ上で実用的であることを示す、堅牢で完全自動のキャリブレーションを達成した。
• TILの局在化により、局在化されていないTILと比較して、腫瘍の浸潤予測が顕著に異なった。特に、局在化済みTILは、可視縁を超えた腫瘍拡散をよりよく捉えていた。
• TILは患者の生存期間と相関を示した。特に、左側頭葉（左側室下部付近）に由来する腫瘍は、より攻撃的で生存期間が短い傾向にあった。
• より長い生存期間と関連する腫瘍は、頭蓋骨に近い部位に頻繁に位置していたことから、腫瘍発生部位の空間的パターンが予後と関連している可能性が示唆された。
• TILから構築した確率的アトラスは、観察された腫瘍縁から構築したアトラスとは明確に異なる空間的パターンを示しており、後者は腫瘍のサイズや形態に偏りをもたらす可能性があることが示された。
• 推定された生物学的物理的パラメータ（増殖、移動、TIL）を画像特徴に追加した生存予測の予備的評価では、精度が向上したが、サンプルサイズが小さかったため結論は不確かであった。