بررسی همبستگی ویژگی‌های رادیومیکس استخراج‌شده از تصاویر پزشکی هسته‌ای با متابولیسم ضایعه در بیماران مبتلابه سرطان کولون

زمینه و هدف: تصویربرداری پزشکی هسته‌ای دقت بالایی در ارزیابی متابولیسم ضایعات سرطان کولون نشان داده است. هدف از این مطالعه بررسی قابلیت فیچرهای رادیومیکس استخراج‌شده از تصاویرپزشکی هسته‌ای به‌عنوان بیومارکرهای غیرتهاجمی متابولیسم ضایعه در بیماران مبتلابه سرطان کولون از طریق بررسی همبستگی این فیچرها با مقادیر (standardized uptake value, suv) max بود.روش بررسی: مطالعه حاضر از نوع مقطعی بود که از مرداد ماه 1401 تا مرداد ماه 1402 در گروه پزشکی هسته‌ای دانشگاه علوم پزشکی تهران انجام شد. در این مطالعه از تصاویر پزشکی هسته‌ای مربوط به 60 بیمار مبتلابه سرطان کولون اولیه استفاده شد. ضایعات سرطان کولون به شکل دستی بر روی تصاویر pet جداسازی‌ شده و تعداد 32 فیچر رادیومیکس بافتی textural از تصاویر استخراج شدند. سپس با استفاده از آزمون آماری spearman correlation coefficient همبستگی این فیچرها با مقادیر suvmax مورد بررسی قرار گرفت. همچنین مقدار (p<0.05) به‌عنوان سطح معناداری آزمون در نظر گرفته شد.یافته‌ها: بیش از 96% از فیچرهای رادیومیکس (31 فیچر از 32 مورد) همبستگی معناداری با مقادیر متابولیسم ضایعه داشتند (p<0.05). از این بین فیچرهای glzlm_hgze و glzlm_szhge بیشترین همبستگی معنادار را با مقادیر suvmax داشتند (به ترتیب با ضرایب همبستگی 0.9881، 0.9723 و سطوح معناداری 0.0001>، 0.0001>). از طرفی فیچر glzlm_lzhge همبستگی معناداری با مقادیر متابولیسم ضایعه نشان نداد (p>0.05).نتیجه‌گیری: روش رادیومیکس این پتانسیل را دارد تا به‌عنوان یک روش کاملا غیرتهاجمی جهت ارزیابی متابولیسم ضایعات سرطان کولون مورد استفاده قرار گیرد و پایش و درمان بیماران مبتلابه سرطان کولون را تسهیل کند. 

correlation of radiomics features extracted from nuclear medicine images with lesion metabolism in patients with colon cancer

background: nuclear medicine imaging has shown high accuracy in evaluating the metabolism of colon cancer lesions. the aim of this study was to investigate the ability of radiomics features extracted from nuclear medicine images as non-invasive biomarkers of lesion metabolism in patients with colon cancer by examining the correlation of these features with suv (standardized uptake value) max values.methods: the current study was a cross-sectional study that was conducted from july 2022 to july 2023 in the nuclear medicine department of tehran university of medical sciences. in this study, pet/ct (positron emission tomography/computed tomography) images of 60 patients with primary colon cancer were used. colon cancer lesions were manually delineated on pet images by an experienced physician and saved as vois (volumes of interest). thirty-two textural radiomics features were extracted from each voi, including feature groups of gray-level co-occurrence matrix (glcm), gray-level run-length matrix (glrlm), neighborhood grey-level difference matrix (ngldm), and gray-level zone length matrix (glzlm). then, the correlation of these features with suvmax values was investigated using the spearman correlation coefficient statistical test. also, the value of p<0.05 was considered as the significance level of the test.results: a comprehensive analysis revealed that more than 96% of the examined radiomics features specifically, 31 out of 32 exhibited a statistically significant correlation with lesion metabolism values, as indicated by p-values less than 0.05. among these features, glzlm_hgze stood out with a high correlation coefficient of 0.9881, alongside a significance level of less than 0.0001. similarly, glzlm_szhge also demonstrated a strong correlation, with a coefficient of 0.9723 and a significance level below 0.0001, indicating a robust relationship with suvmax values. in contrast, glzlm_lzhge was the only feature that failed to show a significant correlation with lesion metabolism values (p>0.05).conclusion: the radiomics method has the potential to be used as a completely non-invasive method to evaluate the metabolism of colon cancer lesions and facilitate the monitoring and treatment of patients with colon cancer.