Cluster Analysis of Multiparametric Magnetic Resonance Images of Rectal Cancer

Sammendrag: Formål: Klyngeanalyse utført på funksjonelle magnetresonans (MR) bilder har blitt foreslått som en metode for å dele heterogene tumorvolum inn i mer homogene subvolum. Målet med denne studien er å undersøke validiteten av klynger oppnådd ved klyngeanalyse av multiparametriske MR-bilder av pasienter med rektalkreft. Det ønskes også å undersøke hvorvidt noen av de resulterende subvolumene kan relateres til progresjonsfri overlevelse (PFS) Materialer og metoder: Klyngeanalyse ved bruk av k-means og Gaussian Mixture Models (GMM) ble utført på et datasett bestående av T2-vektede MR-bilder, diffusjonsvektede MR-bilder med seks forskjellige diffusjons b-verdier fra 0-1000 s mm^-2, den såkalte apparente diffusjonskoeffisient (ADC) parameterkart og intravoxel inkoherent bevegelse (IVIM) parameterkart for 54 pasienter gitt diagnosen rektalkreft. Prinsipalkomponentanalyse ble utført for å redusere antallet dimensjoner i datasettet før klyngeanalyse ble gjennomført. Det optimale antallet klynger ble funnet ved bruk av Calinski-Harabasz (CH) indeksen, Davies-Bouldin (DB) indeksen, DB* indeksen, DB** indeksen og Silhuett koeffisienten. For GMM ble det optimale antallet komponenter funnet ved Bayes informasjonskriterium (BIC). I overlevelsesanalysen ble pasientgruppen delt i to etter hvorvidt hver pasient mottok preoperativ kjemoradioterapi (CRT) eller ikke. De resulterende gruppene vil fra nå av bli omtalt som CRT- og ikke CRT gruppen. CRT gruppen bestod av 24 pasienter, mens ikke CRT gruppen bestod av 30 pasienter. Det ble utført logrank tester der pasienter innen hver gruppe ble inndelt etter median klyngevolum (k-means)/komponentvolum (GMM). Univariat Cox regresjon ble utført ved bruk av klyngevolum (k-means)/komponentvolum (GMM) som risikofaktor. For begge metoder var klinisk endepunkt definert ved PFS. Bonferronikorreskjon ble utført for å korrigere signifikansnivået for gjentatt testing. Korreksjonen ble utført for datasettet inndelt ved k-means klyngeanalyse og datasettet inndelt ved GMM klyngeanalyse hver for seg. Result: Det optimale antallet klynger for k-means klyngeanalyse og komponenter for GMM klyngeanalyse var to og ni. Komponentene funnet ved GMM klyngeanalyse ble funnet å være stabile ved gjentatt inndeling av forskjellige datasett laget ved å trekke tilfeldige voxeler ut fra det fulle datasettet. En av klyngene som ble funnet i datasettet inndelt ved bruk av k-means klyngeanalyse var relatert til PFS (logrank: p-verdi < 0.02, univariat Cox: