뇌수막종의 등급과 조직학적 아형을 예측하기 위한 고식적 영상과 확산텐서영상을 이용한 라디오믹스와 머신러닝

뇌수막종의 등급을 수술전에 비침습적으로 결정하는 것은 수술적 절제 범위를 정하고 치료 계획을 수립하는 데 중요하다. 본 연구에서는 조직학적으로 진단된 140명의 뇌수막종 (108개의 저등급, 28개의 고등급 뇌수막종)이 훈련셋에 포함되었다. T1C와 확산강조영상, 확산텐서영상에서 뇌수막종을 분할하여 라디오믹스 특징을 추출하였다. 다양한 머신학습 분류기들이 훈련되어 뇌수막종 등급을 예측하고자 하였다. 테스트셋에서 모델의 성능을 측정하였다 (58명의 환자; 46 저등급, 12 고등급).

[라디오믹스의 파이프라인]

추출된 라디오믹스로 머신러닝을 시행하였을 때, 가장 좋은 분류기는 테스트셋에서 AUC 0.86의 성능을 보였고, 이러한 결과는 no-information rate보다 유의하게 높은 성능을 보였다 (p = 0.030). 분류기의 정확도, 민감도 및 특이도는 검증 테스트셋에서 각각 89.7%, 75.0% 및 93.5 %였다.

[훈련셋과 테스트셋의 곡선아래영역의 히트맵]

결론적으로 T1C와 DTI의 라디오믹스 특징에 기반한 머신 러닝 분류기들은 뇌수막종 등급을 구분하는 데 유용하였다.

참고 url: https://www.ncbi.nlm.nih.gov/pubmed/30443758