Soft-tissue sarcoma (STS) of the extremities forms a relatively uncommon yet aggressive group of neoplasms with high metastatic risk of the disease. The vast majority of STS metastases occur in the lungs. Due to the general poor prognosis of patients diagnosed with STS lung metastases, there is a clinical need to identify relevant prognostic factors as early as possible in the course of staging and treatment management. Recent evidence suggests that positron emission tomography (PET) using fluorodeoxyglucose (FDG) and magnetic resonance (MR) imaging texture features have the potential to predict the outcome of tumours through the assessment of their microenvironment heterogeneity characteristics. The goal of this work is therefore to investigate FDG-PET and MR texture features as potential early predictors of lung metastasis risk in STS cancer of the extremities.In this study, a dataset of 35 patients with histologically proven STS of the extremities was retrospectively analyzed. All patients received pre-treatment FDG-PET and MR scans. MR imaging data comprised of T1-weighted, T2 fat-saturation (T2FS) and short tau inversion recovery (STIR) sequences. The median follow-up period was 29 months (range: 4 to 85 months). Thirteen patients from the dataset developed lung metastases. Six texture features from the gray-level co-occurrence matrix (GLCM) were extracted from the FDG-PET, MR and fused FDG-PET/MR scans. In addition, the maximum standard uptake value (SUVmax) of the tumours was included in the feature set. The fusion of FDG-PET and MR scans was carried out using the discrete wavelet transform (DWT) and a band-pass frequencies enhancement technique. Statistical analysis was performed using Spearman's correlation (rho), and multivariable modeling using logistic regression. The prediction performance of the different multivariable models was assessed using bootstrap resampling by calculating the area under the receiver-operating characteristics curve (AUC) and Matthews' correlation coefficient (MCC). The highest univariate prediction of lung metastases was attributed to the SUVmax metric (rho=0.6382, p<0.0001). Most texture features extracted from fused scans had higher Spearman's correlation with lung metastases than those extracted from separate scans. On separate scans, FDG-PET texture features were generally dominant over MR texture features. The highest multivariable prediction of lung metastases was found using fused scans and the following 4-parameters model: 0.94*SUVmax − 0.401*PET-T2FS/STIR--Variance − 6.7*PET-T1--Contrast − 165*PET-T1--Homogeneity + 140. This model reached rho=0.8255, p<0.0001 on the entire dataset and AUC=0.956±0.002, MCC=0.829±0.002 in bootstrap testing sets. Overall, this work indicates the strong potential of FDG-PET and MR texture features for the prediction of lung metastases in STS cancer of the extremities. Substantial prediction improvements were found using texture features from fused scans and multivariable modeling strategies compared to texture features extracted from separate scans and univariate analysis. Potentially, this could improve patient outcomes by allowing better personalization of treatments and the application of pre-emptive strategies to mitigate disease spread. / Les sarcomes des tissus mous (STM) provenant des extrémités forment un groupe relativement rare de néoplasme avec un risque métastatique élevé. La grande majorité des métastases provenant des STM ont lieu dans les poumons, et le pronostique résultant est généralement faible. En ce sens, il est important d'identifier autant de facteurs pronostiques pertinents que possible au moment du diagnostique et de la gestion du traitement. Certains travaux récents ont permis de démontrer que les caractéristiques texturales d'images provenant de la tomographie par émission de positrons (TEP) utilisant le fluorodéoxyglucose (FDG) et l'imagerie par résonance magnétique (IRM) ont le potentiel de prédire l'évolution tumorale grâce à l'évaluation des propriétés d'hétérogénéité biologique des tumeurs. Donc, le but de ce travail est d'évaluer le potentiel des caractéristiques texturales d'images FDG-TEP et IRM en tant que prédicteur du risque de métastases aux poumons pour le cancer des STM provenant des extrémités. Dans cette étude, une cohorte de 35 patients diagnostiqués avec des STM aux extrémités a été rétrospectivement analysée. Tous les patients ont reçu un scan FDG-TEP et un scan IRM avant leur traitement. Les séquences IRM qui ont été utilisés dans l'analyse sont: T1, T2 par saturation des gras (T2FS) et STIR. Les patients ont été suivis sur une période médiane de 29 mois (intervalle: 4 à 85 mois). Treize patients de la cohorte ont développé des métastases aux poumons. Six caractéristiques texturales d'images provenant de la matrice de co-occurrence des niveaux de gris (GLCM) ont été extraites des scans FDG-PET, IRM et FDG-PET/IRM fusionnés. De plus, la valeur maximale de consommation standard des tumeurs (SUVmax) a été incluse dans l'analyse. La fusion des scans a été effectuée grâce à la transformée d'ondelettes discrètes et grâce à une technique de renforcement des fréquences passe-bandes. L'analyse statistique a été effectuée en utilisant la corrélation de Spearman (rho), et l'analyse multivariable en utilisant la régression logistique. Les performances de prédiction des différents modèles multivariables ont été évaluées en calculant 2 métriques à partir de la technique de ré-échantillonnage « bootstrap »: L'aire sous la courbe de fonctionnement (AUC) et le coefficient de corrélation de Matthews (MCC). La plus haute prédiction univariée est attribuée à SUVmax (rho=0.6382, p<0.0001). La plupart des caractéristiques texturales extraites des scans fusionnés possèdent des coefficients de corrélation Spearman plus haut que celles extraites des scans séparés. Dans le cas des scans séparés, les caractéristiques texturales provenant de FDG-TEP sont généralement dominantes par rapport à celles provenant des scans IRM. La plus haute prédiction multivariable est provenue des scans fusionnés avec le model suivant: 0.94*SUVmax − 0.401*PET-T2FS/STIR--Variance − 6.7*PET-T1--Contrast − 165*PET-T1--Homogeneity + 140. Ce model a atteint des résultats de rho=0.8255, p<0.0001 sur l'ensemble des patients et AUC=0.956±0.002, MCC=0.829±0.002 sur les ensembles de tests « bootstrap ». De façon générale, cette étude indique le fort potentiel des caractéristiques texturales provenant des images FDG-TEP et IRM pour prédire les métastases aux poumons dans le cas des patients atteints des STM aux extrémités. Une amélioration substantielle des prédictions a pu être obtenue en utilisant les caractéristiques texturales des scans fusionnés et des stratégies d'analyse multivariable comparativement aux caractéristiques texturales des scans séparés et à l'analyse univariée. Potentiellement, cela pourrait mener à l'application de stratégies préventives pour atténuer la propagation du cancer des STM et à l'application de traitements mieux adaptés aux besoins des patients.
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.114330 |
| Date | January 2013 |
| Creators | Carrier-Vallières, Martin |
| Contributors | Issam El Naqa (Internal/Supervisor) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Master of Science (Medical Physics Unit) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Electronically-submitted theses. |
Page generated in 0.0029 seconds