Radiomics-Charakteristika aus hochauflösenden CT-Daten zur Unterscheidung zwischen Cholesteatomen und Mittelohrentzündungen: Effekt der Datenharmonisierung in einer zweizentrischen Studie

Zielsetzung Ziel war die Ermittlung der diagnostischen Güte von aus HRCT extrahierten Radiomics-Signaturen zur Unterscheidung zwischen Cholesteatomen und Mittelohrentzündungen (MOE), sowie die Untersuchung des Effektes der Harmonisierung von Daten aus zwei Zentren/Scannern.

Material und Methoden 100 Patienten wurden retrospektiv eingeschlossen: 48 mit histologisch diagnostiziertem Cholesteatom (Zentrum A: 23, Zentrum B: 25) und 52 mit MOE (A: 27, B: 25). Im Zentrum A wurde eine 512x512 Matrix und iterative Rekonstruktion, im Zentrum B hingegen eine 768x768 Matrix und gefilterte Rückprojektion benutzt. Radiomics-Charakteristika wurden aus axialen HRCT-Bilder mittels manuell definierten ROIs extrahiert. Die zehn besten Radiomics-Signaturen zur Unterscheidung beider Erkrankungen wurden mittels POE- und ACC-Koeffizienten ausgewählt. Ein sogenanntes MLP-ANN wurde zur Klassifizierung für Radiomics-Charakteristika genutzt, die histopathologischen Befunde wurden dabei als Referenzstandard definiert; 70% waren Trainingsfälle, 30% standen zur Validierung bereit. Diese Analyse wurde jeweils fünf Mal mit unmodifizierten und mit auf Unterschiede des CT-Aquisitionsprotokolls harmonisierten Daten (ComBat) durchgeführt.

Ergebnisse Die Klassifizierungen erzielten bei den unmodifizierten Daten eine mediane Fläche unter der ROC-Kurve (AUC) von 0,78 (0,72-0,84), mit medianen diagnostischen Genauigkeiten von 71,4% (65,7-85,7%) in den Trainingsfällen und 66,7% (63,3-71,0%) in den Validierungsfällen. Die AUC-Werte bei den harmonisierten Daten lagen bei 0,89 (0,79-0,92) und es wurden diagnostische Genauigkeiten von 82,9% (68,6-88,6%) in den Trainingsfällen und 73,3% (60,0-76,7%) in den Validierungsfällen erzielt.

Schlußfolgerungen Aus HRCT-Daten extrahierte Radiomics-Signaturen könnten einen klinischen Nutzen für die Unterscheidung zwischen Cholesteatomen und MOE haben. Die Datenharmonisierung bei differenten CT-Akquisitionsprotokollen verbessert die richtige Klassifizierung der beiden Diagnosen.