Klassifikation der Darmwandinfiltration (T-Stadium) des Kolonkarzinoms: Ein multimodaler Deep Learning Ansatz unter Verwendung präoperativer CT-Aufnahmen

Zielsetzung Die Identifizierung der Darmwandinfiltration des Kolonkarzinoms (CC), durch das histopathologische T-Stadium (pT) repräsentiert, ist von großer klinischer Bedeutung und spielt durch existierende Empfehlungen zur neoadjuvanten Chemotherapie von pT4-Tumoren eine wesentliche Rolle in der individualisierten Therapie dieser Tumorentität. Die radiologische Genauigkeit der T-Stadium-Klassifikation (cT) in der Computertomographie als prätherapeutischer diagnostischer Standard ist begrenzt. Das Ziel dieser Studie war daher die Entwicklung eines Deep-Learning-Modells zur Klassifikation zwischen pT1-3 und pT4 Kolonkarzinomen in präoperativen CT-Aufnahmen.

Material und Methoden In dieser retrospektiven Kohortenstudie analysierten wir 528 Patienten, die am Klinikum rechts der Isar einer Resektion eines CC und einer präoperativen CT-Bildgebung unterzogen wurden. Das histopathologische TNM-Stadium sowie klinische Parameter (Alter, BMI, Ileus) wurden für alle Patienten erfasst. Ein multimodales 3D-Convolutional-Neural-Network (CNN) wurde anhand der präoperativen CT-Bilder und den klinischen Parametern trainiert. Die Leistung des Modells wurde auf einem balancierten Testdatensatz (n=30) evaluiert und mit der Leistung von drei Radiologen in einer verblindeten Befundungsstudie verglichen.

Ergebnisse Das multimodale 3D-CNN erreichte im Testdatensatz eine Genauigkeit von 76.7%, eine Sensitivität von 80% und eine Spezifität von 73.3% anhand der CT-Bilddaten und klinischen Daten. In der Befundungsstudie lag die Sensitivität und Spezifität der teilnehmenden Radiologen für die Testkohorte im Durchschnitt bei 73.3% und 64.4%.

Schlussfolgerungen In dieser Studie wurde ein multimodales 3D-CNN zur binären Klassifikation von pT1-3 und pT4 Kolonkarzinomen anhand von präoperativen CT-Aufnahmen und klinischen Parametern entwickelt und evaluiert. Der Algorithmus erreichte in der Testkohorte eine vergleichbare Sensitivität und Spezifität wie die der Radiologen.

Publikationsverlauf

Artikel online veröffentlicht:
25. März 2025