癌症放射性和输液成像自动化框架:对肌肉骨瘤的验证
Elvis Duran Sierra1, Raul Valenzuela1, Mathew A Canjirathinkal1
1Department of Musculoskeletal Imaging, The University of Texas MD Anderson Cancer Center, Houston, TX.
JCO clinical cancer informatics
|January 5, 2024
概括
一个新的开源软件,CARPI,使得高通量癌症成像分析的放射性特征和 perfusion. 这种工具可以区分瘤类型,并预测治疗反应,为癌症研究提供了经济高效的解决方案.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 商业软件的局限性阻碍了成本效益高,高通量癌症成像分析.
- 开发开源解决方案对于推进癌症研究工作流程至关重要.
研究的目的:
- 开发和验证一种开源计算解决方案,用于癌症研究中的供应商和序列中立的高通量放射性特征提取和 perfusion 分析.
主要方法:
- 开发了基于Python的应用程序癌症放射和 perfusion成像 (CARPI) 自动化框架.
- 使用两个临床数据集验证的CARPI:盆腔冠状腺瘤/神经冠状腺瘤 (82名患者) 和未分化形瘤 (UPS) (26名患者).
- 卡尔皮处理了316个轮文件,提取了107个放射性特征和7个 perfusion 参数.
主要成果:
- 卡尔皮发现了18个显著的放射性特征,区分了胆管瘤与胆管瘤 (P < .00047).
- 在UPS中,照射后的良好反应者 (P = .0017) 的平均明显扩散系数增加了41%.
- 卡尔皮证明了能够区分瘤类型和预测治疗反应的能力.
结论:
- 卡尔皮框架成功地处理癌症成像数据用于放射性和 perfusion 分析.
- 与其他开源工具相比,CARPI在自动输液特征提取和报告方面具有优势.
- 使用放射性特征,CARPI有助于区分瘤类型和预测患者治疗反应.
