surgoncoКреативная хирургия и онкологияCreative surgery and oncology2076-30932307-0501Башкирский государственный медицинский университет10.24060/2076-3093-2022-12-3-237-243surgonco-720Research ArticleКЛИНИЧЕСКИЙ СЛУЧАЙCLINICAL CASESРадиомический анализ для объективизации диагностики и комплексного лечения глиобластомыRadiomic Study for Objectification of Diagnostics and Complex Treatment of Glioblastomahttps://orcid.org/0000-0003-1853-0643НикульшинаЯ. О.NikulshinaYa. O.

аспирант, кафедра онкологии

Воронеж

Postgraduate student, Department of Oncology

Voronezh

baulina.yana@yandex.ruhttps://orcid.org/0000-0001-7901-0751РедькинА. Н.RedkinA. N.

д.м.н., профессор, кафедра онкологии

Воронеж

Dr. Sci. (Med.), Prof., Department of Oncology

Voronezh

https://orcid.org/0000-0002-8858-2214КолпаковА. В.KolpakovA. V.

к.т.н., доцент, кафедра «Биомедицинские технические системы»

Москва

Cand. Sci. (Engineering), Assoc. Prof., Department of BiomedicalTechnical Systems

Moscow

https://orcid.org/0000-0002-5490-3112ЗахаровМ. А.ZakharovM. A.

студент магистратуры, кафедра «Биомедицинские технические системы»

Москва

Master student, Department of Biomedical Technical Systems

Moscow

Воронежский государственный медицинский университет им. Н.Н. БурденкоРоссияN.N. Burdenko Voronezh State Medical UniversityRussian FederationМосковский государственный технический университет им. Н.Э. БауманаРоссияBauman Moscow State Technical UniversityRussian Federation202225102022123237243Copyright © Никульшина Я.О., Редькин А.Н., Колпаков А.В., Захаров М.А., 20222022Никульшина Я.О., Редькин А.Н., Колпаков А.В., Захаров М.А.Nikulshina Y.O., Redkin A.N., Kolpakov A.V., Zakharov M.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.surgonco.ru/jour/article/view/720Введение

Введение. Глиобластома – нейроэпителиальная злокачественная опухоль головного мозга преимущественно астроцитарного происхождения с агрессивным течением и крайне неблагоприятным прогнозом. Медиана общей выживаемости при глиобластоме составляет 14,6 месяца после комплексного лечения, включающего комбинацию хирургического лечения, лучевой терапии и химиотерапии, что диктует необходимость разработки персонализированного подхода в диагностике и лечении глиобластом.

Материалы и методы

Материалы и методы: МРТ-исследования пациента, проходившего химиолучевое лечение по поводу глиобластомы G4, выполнялись на аппаратах: магнитно-резонансный томограф Philips Ingenia 1.5T и Philips Ingeniа Аmbition 1,5 Т. Анализ МРТ-изображений осуществлен с использованием пакета прикладных программ Matlab 2021.

Результаты

Результаты. Проанализированы МРТ-изображения до проведения хирургического вмешательства, после хирургического вмешательства и после курса химиолучевого лечения. В качестве информативных признаков очагов поражения на изображениях проанализированы статистические характеристики локального распределения яркости изображения очага поражения, которые описываются статистическими текстурными параметрами.

Обсуждение

Обсуждение. Получено первичное подтверждение возможности объективизации процесса диагностики и лечения по указанным статистическим параметрам Т2 МРТ-изображений очагов поражения.

Заключение

Заключение. Целью дальнейших исследований в данном направлении является применение радиомического анализа для планирования, мониторинга лечения глиом высокой степени злокачественности, для прогнозирования исходов заболевания, а также предиктивного анализа ответа на комплексное лечение.

Introduction

Introduction. Glioblastoma is a neuroepithelial malignant brain tumour of predominantly astrocytic origin with an aggressive course and an extremely unfavorable prognosis. Since the median of overall survival with glioblastoma is 14.6 months after complex treatment that includes a combination of surgical treatment, radiation therapy and chemotherapy, the development a personalized approach in the diagnosis and treatment of glioblastomas is appeared to be urgent.

Materials and methods

Materials and methods. MRIs of a patient undergoing chemoradiotherapy for glioblastoma G4 were performed on the following MRI scanners: Philips Ingenia 1.5T and Philips Ingenia Ambient 1.5T. The analysis of MR-images was carried out using the Matlab 2021 apps.

Results and discussion

Results and discussion. MR-images were analyzed before and after surgery, and after a course of chemoradiotherapy. The statistical characteristics of the local brightness distribution of the lesion image, which are described by statistical texture parameters, were analyzed as informative features of the lesion area on the images. Initial confirmation of the ability to objectify diagnosis and treatment using the above statistical parameters of T2 MR images of lesion area has been obtained.

Conclusion

Conclusion. The aim of further research in this area is to use radiomic study for planning and monitoring the treatment of high-grade gliomas, estimate disease outcomes, and analyze the response to complex treatments in a predictive way.

глиобластомарадиомический анализмагнитно-резонансная томографияпатологический процессдиагностическое изображениедиагностикарадиотерапияglioblastomaradiomic studymagnetic resonance imagingpathological processdiagnostic imagediagnosticsradiotherapyReferencesЯковленко Ю.Г. Глиобластомы: современное состояние проблемы. Медицинский вестник Юга России. 2019;10(4):28–35.Yakovlenko Yu.G. Glioblastoma: the current state of the problem. Medical Herald of the South of Russia. 2019;10(4):28–35 (In Russ.). DOI: 10.21886/2219-8075-2019-10-4-28-35Золотова С.В., Хохлова Е.В., Беляшова А.С., Николаева А.А., Старовойтов Д.В., Игошина Е.Н. и др. Исследование метаболических особенностей первичных глиобластом методом ОФЭКТ-КТ с Tc-МИБИ с оценкой их влияния на прогноз заболевания. Вопросы нейрохирургии им. Н.Н. Бурденко. 2019;83(2):17–26. DOI: 10.17116/neiro20198302117Zolotova S.V., Khokhlova E.V., Belyashova A.S., Nikolaeva A.A., Starovoytov D.V., Igoshina E.N., et al. Investigation of the metabolic features of primary glioblastomas by Tc-MIBI SPECT/CT and evaluation of their effect on disease prognosis. Zhurnal Voprosy Neirokhirurgii Imeni N.N. Burdenko. 2019;83(2):17–26 (In Russ.). DOI: 10.17116/neiro20198302117Beig N., Bera K., Prasanna P., Antunes J., Correa R., Singh S., et al. Radiogenomic-based survival risk stratification of tumor habitat on Gd-T1w MRI is associated with biological processes in glioblastoma. Clin Cancer Res. 2020;26(8):1866–76. DOI: 10.1158/1078-0432.ccr-19-2556Beig N., Bera K., Prasanna P., Antunes J., Correa R., Singh S., et al. Radiogenomic-based survival risk stratification of tumor habitat on Gd-T1w MRI is associated with biological processes in glioblastoma. Clin Cancer Res. 2020;26(8):1866–76. DOI: 10.1158/1078-0432.ccr-19-2556Ostrom Q.T., Gittleman H., Truitt G., Boscia A., Kruchko C., Barnholtz-Sloan J.S. CBTRUS Statistical report: primary brain and other central nervous system tumors diagnosed in the United States in 2011–2015. Neuro Oncol. 2018;20(suppl_4):iv1–86. DOI: 10.1093/neuonc/noy131Ostrom Q.T., Gittleman H., Truitt G., Boscia A., Kruchko C., Barnholtz-Sloan J.S. CBTRUS Statistical report: primary brain and other central nervous system tumors diagnosed in the United States in 2011–2015. Neuro Oncol. 2018;20(suppl_4):iv1–86. DOI: 10.1093/neuonc/noy131Incoronato M., Aiello M., Infante T., Cavaliere C., Grimaldi A., Mirabelli P., et al. Radiogenomic analysis of oncological data: a technical survey. Int J Mol Sci. 2017;24(3):14–21. DOI: 10.3390/ijms18040805Incoronato M., Aiello M., Infante T., Cavaliere C., Grimaldi A., Mirabelli P., et al. Radiogenomic analysis of oncological data: a technical survey. Int J Mol Sci. 2017;24(3):14–21. DOI: 10.3390/ijms18040805Zanfardino M., Franzese M., Pane K., Cavaliere C., Monti S., Esposito G., et al. Bringing radiomics into a multi-omics framework for a comprehensive genotype–phenotype characterization of oncological diseases. J Transl Med. 2019;34(3):26–38. DOI: 10.1186/s12967-019-2073-2Zanfardino M., Franzese M., Pane K., Cavaliere C., Monti S., Esposito G., et al. Bringing radiomics into a multi-omics framework for a comprehensive genotype–phenotype characterization of oncological diseases. J Transl Med. 2019;34(3):26–38. DOI: 10.1186/s12967-019-2073-2Mazurowski M.A., Clark K., Czarnek N.M., Shamsesfandabadi P., Peters K.B., Saha A. Radiogenomics of lower-grade glioma: algorithmically-assessed tumor shape is associated with tumor genomic subtypes and patient outcomes in a multiinstitutional study with The Cancer Genome Atlas data. J Neurooncol. 2017;133(1):27–35. DOI: 10.1007/s11060-017-2420-1Mazurowski M.A., Clark K., Czarnek N.M., Shamsesfandabadi P., Peters K.B., Saha A. Radiogenomics of lower-grade glioma: algorithmically-assessed tumor shape is associated with tumor genomic subtypes and patient outcomes in a multiinstitutional study with The Cancer Genome Atlas data. J Neurooncol. 2017;133(1):27–35. DOI: 10.1007/s11060-017-2420-1Boxerman J.L., Quarles C.C., Hu L.S., Erickson B., J., Gerstner E.R., Smits M., et al. Consensus recommendations for a dynamic susceptibility contrast MRI protocol for use in high-grade gliomas. Neuro Oncol. 2020;22(9):1262–75. DOI: 10.1093/neuonc/noaa141Boxerman J.L., Quarles C.C., Hu L.S., Erickson B., J., Gerstner E.R., Smits M., et al. Consensus recommendations for a dynamic susceptibility contrast MRI protocol for use in high-grade gliomas. Neuro Oncol. 2020;22(9):1262–75. DOI: 10.1093/neuonc/noaa141Shenouda G., Souhami L., Petrecca K., Owen S., Panet-Raymond V., Guiot M.-C., et al. A phase 2 trial of neoadjuvant temozolomide followed by hypofractionated accelerated radiation therapy with concurrent and adjuvant temozolomide for patients with glioblastoma. Int J Radiat Oncol Biol Phys. 2017;97(3):487–94. DOI: 10.1016/j.ijrobp.2016.11.006Shenouda G., Souhami L., Petrecca K., Owen S., Panet-Raymond V., Guiot M.-C., et al. A phase 2 trial of neoadjuvant temozolomide followed by hypofractionated accelerated radiation therapy with concurrent and adjuvant temozolomide for patients with glioblastoma. Int J Radiat Oncol Biol Phys. 2017;97(3):487–94. DOI: 10.1016/j.ijrobp.2016.11.006Oh S., Yeom J., Cho H.J., Kim J., Yoon S.-J., Kim H., et al. Integrated pharmaco-proteogenomics defines two subgroups in isocitrate dehydrogenase wild-type glioblastoma with prognostic and therapeutic opportunities. Nat Commun. 2020;11(1):3288. DOI: 10.1038/s41467-020-17139-yOh S., Yeom J., Cho H.J., Kim J., Yoon S.-J., Kim H., et al. Integrated pharmaco-proteogenomics defines two subgroups in isocitrate dehydrogenase wild-type glioblastoma with prognostic and therapeutic opportunities. Nat Commun. 2020;11(1):3288. DOI: 10.1038/s41467-020-17139-yMoradmand H., Aghamiri S.M.R., Ghaderi R. Impact of image preprocessing methods on reproducibility of radiomic features in multimodal magnetic resonance imaging in glioblastoma. J Appl Clin Med Phys. 2020;21(1):179–90. DOI: 10.1002/acm2.12795Moradmand H., Aghamiri S.M.R., Ghaderi R. Impact of image preprocessing methods on reproducibility of radiomic features in multimodal magnetic resonance imaging in glioblastoma. J Appl Clin Med Phys. 2020;21(1):179–90. DOI: 10.1002/acm2.12795Lotan E., Jain R., Razavian N., Fatterpekar G.M., Lui Y.W. State of the art: machine learning applications in glioma imaging. Am J Roentgenol. 2019;212(1):26–37. DOI: 10.2214/ajr.18.20218Lotan E., Jain R., Razavian N., Fatterpekar G.M., Lui Y.W. State of the art: machine learning applications in glioma imaging. Am J Roentgenol. 2019;212(1):26–37. DOI: 10.2214/ajr.18.20218Akbari H., Bakas S., Pisapia J.M., Nasrallah M.P., Rozycki M., Martinez-Lage M., et al. In vivo evaluation of EGFRvIII mutation in primary glioblastoma patients via complex multiparametric MRI signature. Neuro Oncol. 2018;20(8):1068–79. DOI: 10.1093/neuonc/noy033Akbari H., Bakas S., Pisapia J.M., Nasrallah M.P., Rozycki M., Martinez-Lage M., et al. In vivo evaluation of EGFRvIII mutation in primary glioblastoma patients via complex multiparametric MRI signature. Neuro Oncol. 2018;20(8):1068–79. DOI: 10.1093/neuonc/noy033Kickingereder P., Neuberger U., Bonekamp D., Piechotta P.L., Götz M., Wicket A., et al. Radiomic subtyping improves disease stratification beyond key molecular, clinical, and standard imaging characteristics in patients with glioblastoma. Neuro Oncol. 2018;0(6):848–57. DOI: 10.1093/neuonc/nox188Kickingereder P., Neuberger U., Bonekamp D., Piechotta P.L., Götz M., Wicket A., et al. Radiomic subtyping improves disease stratification beyond key molecular, clinical, and standard imaging characteristics in patients with glioblastoma. Neuro Oncol. 2018;0(6):848–57. DOI: 10.1093/neuonc/nox188Bae S., Choi Y.S., Ahn S.S., Chang J.H., Kang S.-G., Kim E.H., et al. Radiomic MRI phenotyping of glioblastoma: Improving survival prediction. Radiology. 2018;289(3):797–806. DOI: 10.1148/radiol.2018180200Bae S., Choi Y.S., Ahn S.S., Chang J.H., Kang S.-G., Kim E.H., et al. Radiomic MRI phenotyping of glioblastoma: Improving survival prediction. Radiology. 2018;289(3):797–806. DOI: 10.1148/radiol.2018180200Rathore S., Mohan S., Bakas S., Sako C., Badve C., Pati S., et al. Multi-institutional noninvasive in vivo characterization of IDH, 1p/19q, and EGFRvIII in glioma using neuro-Cancer Imaging Phenomics Toolkit (neuro-CaPTk). Neuro Oncol Adv. 2020;2(suppl_4):iv22–34. DOI: 10.1093/noajnl/vdaa128Rathore S., Mohan S., Bakas S., Sako C., Badve C., Pati S., et al. Multi-institutional noninvasive in vivo characterization of IDH, 1p/19q, and EGFRvIII in glioma using neuro-Cancer Imaging Phenomics Toolkit (neuro-CaPTk). Neuro Oncol Adv. 2020;2(suppl_4):iv22–34. DOI: 10.1093/noajnl/vdaa128Rathore S., Akbari H., Doshi J. Radiomic signature of infiltration in peritumoral edema predicts subsequent recurrence in glioblastoma: implications for personalized radiotherapy planning. J Med Imaging. 2018;5(02):1. DOI: 10.1117/1.jmi.5.2.021219Rathore S., Akbari H., Doshi J. Radiomic signature of infiltration in peritumoral edema predicts subsequent recurrence in glioblastoma: implications for personalized radiotherapy planning. J Med Imaging. 2018;5(02):1. DOI: 10.1117/1.jmi.5.2.021219Guo G., Sun Y., Hong R., Xiong J., Lu Y., Liu Y., et al. IKBKE enhances TMZchemoresistance through up regulations of MGMT expression in glioblastoma. Clin Trans Oncol. 2019;22(8):1252–62. DOI: 10.1007/s12094-019-02251-3Guo G., Sun Y., Hong R., Xiong J., Lu Y., Liu Y., et al. IKBKE enhances TMZchemoresistance through up regulations of MGMT expression in glioblastoma. Clin Trans Oncol. 2019;22(8):1252–62. DOI: 10.1007/s12094-019-02251-3Strauss S.B., Meng A., Ebani E.J., Chiang G.C. Imaging glioblastoma posttreatment: Progression, pseudoprogression, pseudoresponse, radiation necrosis. Neuroimaging Clin. 2021;31(1):103–20. DOI: 10.1016/j.nic.2020.09.010Strauss S.B., Meng A., Ebani E.J., Chiang G.C. Imaging glioblastoma posttreatment: Progression, pseudoprogression, pseudoresponse, radiation necrosis. Neuroimaging Clin. 2021;31(1):103–20. DOI: 10.1016/j.nic.2020.09.010.Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера; 2012. 1104 c.Gonzales R., Woods R. Digital Image Processing. Moscow: Technosfera; 2012. 1104 p. (In Russ.).

The authors declare that there are no conflicts of interest present.