Texture kinetics and multiscale texture analysis for predicting breast cancer treatment response.

Abstract

Evaluation of tumor response has been extensively investigated using a wide variety of manual and computer assisted methods. Oncologists are using the Response evaluation criteria in solid tumors (RECIST) and World Health Organization (WHO) criteria, among others, to examine the response of the tumor in the therapy process. However, both of these criteria use the dimensions of the tumor as a feature e.g. its diameter. As a rseult, these approaches are unable to capture the heterogeneity of the tumor tissue structure, which might change after the therapy. For this reason, more accurate quantitative methods for assessing tumor response after therapy have been introduced. In this work we propose describing breast cancer tissue using texture kinetics and multi-scale texture for the prediction of neoadjuvant chemotherapy response of the patients. As aforementioned, texture features can provide information of the tumor tissue structure in order to overcome current limitations in the RECIST and WHO criteria used in clinical practice. In addition, we propose a framework of Gabor multi-scale filtering to examine the capabilities of multi-scale texture features since texture in different scale provides important information which would be not available in a single scale. Using a public dataset which includes Dynamic Contrast Enhanced (DCE) Magnetic Resonance Imaging (MRI) data, we examined the texture kinetics and multi-scale textural features, since DCE - MRI provides 3D spatiotemporal evolution of the tumor. More specifically, Radiomic features were extracted, offering a plethora of features describing the tissue heterogeneity of the tumor. Considering that, Radiomic features were examined for analyzing their predictive strength in Neo-adjuvant therapy (NAC) response. Along with this contribution, Radiomic features extracted from Gabor multi-scale filtered images were also extracted in order to address a second research question regarding the role of the scale and orientation of image texture in predicting the therapy outcome. Results showed that texture kinetics are able to improve the predictability of tumor response to NAC with an area under receiver operating characteristic curve (AUROC) sensitivity of ≈ 81%. Similarly, Gabor multi-scale texture features, provided an average accuracy of >= 70%, while the best accuracy was 88% with scale set at 0.5, confirming that texture at different scales and orientations adds value in the therapy predictive modelling.

Η αξιολόγηση της ανταπόκρισης του όγκου έχει διερευνηθεί εκτενώς με τη χρήση μιας ευρείας ποικιλίας με χειροκίνητες και με τη βοήθεια υπολογιστή μεθόδους. Οι Ογκολόγοι χρησιμοποιούν, μεταξύ άλλων, τα κριτήρια αξιολόγησης της απόκρισης σε συμπτώματα συμπαγούς όγκου (RECIST) και του Παγκόσμιου Οργανισμού Υγείας (WHO) για να εξετάσουν την ανταπόκριση του όγκου στη θεραπεία. Ωστόσο, και τα δύο αυτά κριτήρια χρησιμοποιούν τις διαστάσεις του όγκου ως χαρακτηριστικό όπως για παράδειγμα τη διάμετρό του. Για αυτό το λόγο, αυτές οι προσεγγίσεις δεν είναι σε θέση να συλλάβουν την ετερογένεια της δομής του όγκου, που μπορεί να αλλάξει μετά τη θεραπεία. Για το λόγο αυτό, έχουν αναπτυχθεί πιο αξιόπιστες ποσοτικές μέθοδοι για την αξιολόγηση της ανταπόκρισης του όγκου μετά τη θεραπεία.

Σε αυτή την εργασία προτείνουμε να περιγράψουμε τον ιστό του καρκίνου του μαστού χρησιμοποιώντας την κινητική της υφής και την υφή πολλών επιπέδων για την πρόβλεψη ανταπόκρισης των ασθενών στην νεο-επικουρική (neoadjuvant) χημειοθεραπεία. Όπως προαναφέρθηκε, τα χαρακτηριστικά της υφής μπορούν να δώσουν πληροφορία για τη δομή του καρκινικού ιστού για να ξεπεραστούν οι περιορισμοί των δημοφιλών κριτηρίων RECIST και WHO. Επιπλέον, προτείνουμε ένα υπολογιστικό πλαίσιο φιλτραρίσματος πολλαπλών επιπέδων Gabor για να εξετάσουμε τις δυνατότητες των χαρακτηριστικών υφής πολλών μεγεθών στην πρόβλεψη του χημειοθεραπευτικού αποτελέσματος.

Με τη χρήση ενός συνόλου δεδομένων που περιλαμβάνει δεδομένα μαγνητικής τομογραφίας με χρήση σκιαγραφικού (DCE- MRI), εξετάσαμε την κινητική της υφής και την υφή πολλών επιπέδων, καθώς η DCE - MRI παρέχει 3D χωροχρονική εξέλιξη του όγκου. Ειδικότερα, εξάχθησαν Radiomic χαρακτηριστικά υφής, τα οποία παρέχουν μια πληθώρα χαρακτηριστικών που περιγράφουν την ετερογένεια του όγκου του όγκου. Στη συνέχεια εξετάστηκαν τα χαρακτηριστικά (Radiomics) ως προς την προγνωστικής τους δύναμη στην πρόβλεψη του αποτελέσματος της νεο-επικουρικής (neoadjuvant) χημειοθεραπείας. Επιεπλέον, τα χαρακτηριστικά Radiomics από τις φιλτραρισμένες εικόνες πολλαπλών κλίμακων του Gabor εξετάστηκαν επίσης και συνέβαλαν σε μια δεύτερη έρευνα, για να διερευνηθεί η σημασία της κλίμακας και κατεύθυνσης της υφής εικόνας στην πρόβλεψη του αποτελέσματος της θεραπείας.

Τα αποτελέσματα έδειξαν ότι η κινητική της υφής είναι ικανή να βελτιώσει την προβλεψιμότητα της ανταπόκρισης του όγκου στην νέο-επικουρική θεραπεία με ευαισθησία ≈ 81% (χαρακτηριστική καμπύλης του δέκτη - AUROC). Παρομοίως, τα χαρακτηριστικά της υφής πολλαπλής κλίμακας Gabor, οδήγησαν σε προβλέψεις με μέση ακρίβεια> = 70%, ενώ η καλύτερη ακρίβεια ήταν 88% με κλίμακα που καθορίστηκε στο 0,5, επιβεβαιώνοντας ότι η ανάλυση υφής σε διαφορετικές κλίμακες και προσανατολισμούς προσδίδει αξία στην πρόβλεψη του θεραπευτικού αποτελέσματος.