목적: 자기공명영상에서 추출한 방사믹스(radiomics) 특징을 이용하여 고등급 및 저등급의 명세포 신세포암(clear cell renal cell carcinoma, ccRCC)을 구별할 수 있는지를 탐색하고자 하였다. 방법: 본 후향적 연구에서는 병리학적으로 확진된 명세포 ccRCC 환자 154명을 대상으로, 조영증강 3 T 자기공명영상(temporal-split 설정)을 시행한 후 개발( n = 122 ) 및 검증( n = 32 ) 코호트로 시간 분할하여 배정하였다. 총 3개의 영상 시퀀스에서 전 종양 부피(whole-tumor volume)로부터 834개의 방사믹스 특징을 추출하였다: T2 가중 영상(T2WI), 확산강조영상, 그리고 조영증강 T1 가중 영상. 랜덤 포레스트 회귀기(random forest regressor)를 사용하여 중요한 방사믹스 특징을 추출하였고, 이후 랜덤 포레스트 알고리즘을 이용하여 모델을 개발하는 데 이를 활용하였다. 2명의 영상의학과 전문의가 정량 분석을 위해 종양 크기, 겉보기 확산계수(apparent diffusion coefficient) 값, 그리고 종양 내 종양 대 신장 실질 신호 강도 감소율을 기록하였다. 수신자 조작 특성 곡선(receiver operating characteristic curve, ROC)의 곡선하 면적(area under the curve, AUC)을 생성하여 ccRCC 등급을 예측하였다. 결과: 개발 코호트에서 T2WI 기반 방사믹스 모델이 가장 높은 성능을 보였으며(AUC = 0.82), T2WI 기반 방사믹스 및 영상의학적 특징 하이브리드(hybrid) 모델은 각각 AUC 0.79와 0.83을 나타냈다. 검증 코호트에서 T2WI 기반 방사믹스 모델은 AUC 0.82를 달성하였다. 하이브리드 모델(T2WI 기반 방사믹스 및 영상의학적 특징)의 AUC 범위는 0.73에서 0.80이었다. 결론: 방사믹스 특징과 기계학습을 이용한 자기공명영상 기반 분류기 모델은 고등급과 저등급 ccRCC를 구별하는 데 있어 만족스러운 진단 성능을 보였으며, 따라서 ccRCC 등급 예측을 위한 유용한 비침습적 도구로 활용될 수 있다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.