Radiomics-Driven Imaging Biomarkers for Predicting Chemoradiotherapy Response in Locally Advanced Rectal Cancer.

چکیده اصلی

PURPOSE: Pathological complete response (pCR) after neoadjuvant chemoradiotherapy (nCRT) in locally advanced rectal cancer (LARC) predicts excellent prognosis, yet conventional morphological MRI achieves only 52-71% sensitivity. Radiomics models show promising discrimination, but performance variation across platforms limits clinical translation. METHODS: This prospective cohort study enrolled 615 LARC patients (cT3-T4 or cN+) across four centers. Centers 1-3 contributed the development cohort (n = 405); Center 4 was the sole external validation site, contributing mutually exclusive 1.5T (n = 98; 19 pCR, 19.4%) and 3T (n = 112; 24 pCR, 21.4%) cohorts. Baseline MRI yielded 107 radiomics features (42 retained). Clinical-only, radiomics-only and combined models predicting pCR (ypT0N0) were fitted by LASSO logistic regression in Python, with ComBat harmonization estimated on development data only, DeLong testing, calibration assessment and decision curve analysis. RESULTS: Development pCR prevalence was 20.0% (81/405). The combined model achieved AUC 0.887 (95% CI 0.846-0.928; sensitivity 87.7% [71/81], specificity 84.6% [274/324]) versus radiomics-only 0.842 and clinical-only 0.723 (DeLong p < 0.001). External validation gave AUC 0.821 at 1.5T and 0.908 at 3T. ComBat improved 1.5T discrimination (ΔAUC + 0.060, p = 0.041) but did not abolish the field-strength gradient. Calibration slopes were 0.91-0.96. At a 15% threshold probability the combined model showed the highest net benefit (0.135). pCR predicted 3-year disease-free survival 98.8% versus 66.0% (p < 0.001). CONCLUSIONS: Combined radiomics-clinical models discriminate pCR across MRI platforms. Because external validation was confined to one center and no management decision followed model output, these findings are hypothesis-generating and require prospective interventional verification.

ترجمه فارسی چکیده

هدف: پاسخ کامل بافتی (pCR) پس از شیمی‌درمانی-رادیوتراپی پیش‌درمانی (nCRT) در سرطان روده بزرگ پایین پیشرفته (LARC) پیش‌بینی‌کننده پروگنوز عالی است، اما MRI مورفولوژیک متعارف فقط 52-71٪ حساسیت دارد. مدل‌های رادیومیکس تمایزدهی امیدوارکننده‌ای نشان می‌دهند، اما تفاوت عملکرد در پلتفرم‌ها محدودیت ترجمه بالینی ایجاد می‌کند. روش‌ها: این مطالعه کوهورت پیش‌رو ۶۱۵ بیمار LARC (cT3-T4 یا cN+) را در چهار مرکز ثبت کرد. مراکز ۱-۳ داده‌های توسعه (n = ۴۰۵) را فراهم کردند؛ مرکز ۴ تنها سایت اعتبارسنجی خارجی بود که دو کوهورت ۱.۵T (n = ۹۸) و ۳T (n = ۱۱۲) متفاوت را فراهم کرد. MRI پایه ۱۰۷ ویژگی رادیومیکس (۴۲ مورد حفظ شد) تولید کرد. مدل‌های صرفاً بالینی، صرفاً رادیومیکس و ترکیبی برای پیش‌بینی pCR (ypT0N0) با استفاده از رگرسیون لاجستیک LASSO در پایتون برازش شدند. نتایج: نرخ پذیرش pCR در داده‌های توسعه ۲۰.۰٪ (۸۱/۴۰۵) بود. مدل ترکیبی AUC 0.887 (۹۵٪ CI 0.846-0.928؛ حساسیت ۸۷.۷٪، ویژگی ۸۴.۶٪) در مقابل 0.842 و 0.723 به دست آورد. اعتبارسنجی خارجی AUC 0.821 در ۱.۵T و 0.908 در ۳T را نشان داد. ComBat تمایز ۱.۵T را بهبود داد اما گرادیان شدت میدان را حذف نکرد. شیب‌های کالیبراسیون 0.91-0.96 بودند. نتیجه‌گیری: مدل‌های ترکیبی رادیومیکس-بالینی pCR را در پلتفرم‌های MRI تمایز می‌دهند. این یافته‌ها فرضیه‌ساز هستند و نیاز به تأیید بالینی بالینی دارند.

متن کامل اصلی