Assessment of a Multivariable Model using MRI-Radiomics, Age and Sex for the Classification of Hepatocellular Adenoma Subtypes - 02/04/24

Doi : 10.1016/j.redii.2024.100046 
Guillaume Declaux 1, Baudouin Denis de Senneville 2, , Hervé Trillaud 1, 2, Paulette Bioulac-Sage 3, 4, Charles Balabaud 4, 5, Jean Frédéric Blanc 5, Laurent Facq 2, Nora Frulio 1
1 CHU de Bordeaux, Service d'imagerie diagnostique et Interventionnelle Magellan/Saint André, F-33000, Bordeaux, France 
2 Univ. Bordeaux, CNRS, INRIA, Bordeaux INP, IMB, UMR 5251, F-33400, Talence, France 
3 Service de Pathologie, Hôpital Pellegrin, Centre Hospitalier Universitaire de Bordeaux, Bordeaux, France 
4 Univ. Bordeaux, Bordeaux Research in Translational Oncology, Bordeaux, France 
5 Service Hépato-Gastroentérologie et Oncologie Digestive, Centre Medico-Chirurgical Magellan, Hôpital Haut-Lévêque, Centre Hospitalier Universitaire de Bordeaux, Bordeaux, France 

Corresponding Author: Baudouin Denis de Senneville, Address: Univ. Bordeaux, CNRS, INRIA, Bordeaux INP, IMB, UMR 5251, F-33400, Talence, France, Phone: (+33) (0)5 40 00 25 92, Fax: (+33) (0)5 40 00 21 23Univ. Bordeaux, CNRS, INRIA, Bordeaux INP, IMBUMR 5251TalenceF-33400France

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Sous presse. Manuscrit accepté. Disponible en ligne depuis le Tuesday 02 April 2024
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Highlights

Non-invasive subtyping of HCA remains challenging for several subtypes, thus carrying different levels of risks and management; to date, ß-HCA and sh-HCA are not detected and no discrimination between I-HCA and ß-I-HCA is achieved in daily practice.
Multiple HCA subtyping can be improved using clinical features, i.e., age and sex, combined with MRI-radiomics features.
Machine-learning algorithms including basic clinical features and MRI-radiomics could help discrimination between I-HCA and ß-I-HCA.

Le texte complet de cet article est disponible en PDF.

ABSTRACT

Objectives

Non-invasive subtyping of hepatocellular adenomas (HCA) remains challenging for several subtypes, thus carrying different levels of risks and management. The goal of this study is to devise a multivariable diagnostic model based on basic clinical features (age and sex) combined with MRI-radiomics and to evaluate its diagnostic performance.

Methods

This single-center retrospective case-control study included all consecutive patients with HCA identified within the pathological database from our institution from January 2003 to April 2018 with MRI examination (T2, T1-no injection/injection-arterial-portal); volumes of interest were manually delineated in adenomas and 38 textural features were extracted (LIFEx, v5.10). Qualitative (i.e., visual on MRI) and automatic (computer-assisted) analysis were compared. The prognostic scores of a multivariable diagnostic model based on basic clinical features (age and sex) combined with MRI-radiomics (tumor volume and texture features) were assessed using a cross-validated Random Forest algorithm.

Results

Via visual MR-analysis, HCA subgroups could be classified with balanced accuracies of 80.8% (I-HCA or ß-I-HCA, the two being indistinguishable), 81.8% (H-HCA) and 74.4% (sh-HCA or ß-HCA also indistinguishable). Using a model including age, sex, volume and texture variables, HCA subgroups were predicted (multi-variate classification) with an averaged balanced accuracy of 58.6%, best=73.8% (sh-HCA) and 71.9% (ß-HCA). I-HCA and ß-I-HCA could be also distinguished (binary classification) with a balanced accuracy of 73%.

Conclusion

Multiple HCA subtyping could be improved using machine-learning algorithms including two clinical features, i.e., age and sex, combined with MRI-radiomics. Future HCA studies enrolling more patients will further test the validity of the model.

Le texte complet de cet article est disponible en PDF.

Keywords : Adenoma, Hepatocellular, Biomarker

Abbreviations and acronyms : ß-HCA, ß-I-HCA, BMI, CF, GRE, HCA, H-HCA, HNF1α, I-HCA, IRB, MRI, OC, PCA, TF, sh-HCA, T1w, T2w, VF, VOI


Plan


© 2024  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.