Texture analysis of magnetic resonance imaging in prediction of muscle invasive bladder cancer: a cross-sectional study

Full Text

ОБОСНОВАНИЕ

Рак мочевого пузыря (РМП) — наиболее распространённое заболевание среди злокачественных новообразований мочевыделительной системы. По данным Globocan 2022 года, РМП занимает 9-е место в мире среди всех злокачественных заболеваний и 13-е — по показателям смертности¹, внося значительный вклад в общемировую заболеваемость и расходы на здравоохранение, что обусловлено высокой частотой рецидивов и прогрессирования [1–3]. Важно отметить, что Россия входит в первые 10 стран с самой высокой заболеваемостью РМП [4]. Ежегодно в мире регистрируют более 600 тыс. новых случаев¹. При местнораспространённой форме РМП 5-летняя выживаемость снижается в 2 раза по сравнению с локализованной формой заболевания [5].

По данным J. Tempo и соавт. [5], более 90% пациентов с диагностированным РМП составляют лица старше 55 лет, а средний возраст постановки диагноза достигает 73 лет, что предполагает высокую частоту коморбидной патологии и возможные клинические риски в случае применения инвазивных диагностических процедур.

Важным фактором, определяющим лечебную тактику при РМП, является инвазия опухоли в мышечный слой. Для её выявления обязательным диагностическим методом является гистологическое исследование [6, 7]. Однако на его информативность влияют определённые факторы, связанные прежде всего с качеством забора материала (технические сложности, квалификация медицинских работников, высокоэнергетическое повреждение тканей) [8, 9]. По данным литературы, вероятность наличия остаточной опухоли после первичной трансуретральной резекции может достигать 50%, а у каждого десятого пациента после повторной — подтверждается мышечная инвазия, не определяемая ранее [10, 11].

Хотя внедрение международной стандартизированной шкалы для оценки результатов магнитно-резонансной томографии (МРТ) мочевого пузыря (Vesical Imaging-Reporting and Data System, VI-RADS) несомненно снизило межнаблюдательное разногласие в диаг-ностике мышечной инвазии, её применение в рутинной практике требует длительного процесса обучения: начинающему рентгенологу для независимой и точной диаг-ностики, а также свободному применению шкалы требуется насмотренность в объёме 100–150 случаев РМП [12]. В систематическом обзоре A. Nesiu и соавт. [13], включающем 1249 пациентов, изучали эффективность VI-RADS в диагностике РМП и уровень согласованности между наблюдателями. Отмечен широкий диапазон значений коэффициента согласованности Коэна (κ) (0,55–0,92), что обусловлено разным уровнем опыта рентгенологов и вариабельностью параметров протоколов МРТ. Исследования с более низкими значениями коэффициента согласованности (κ = 0,55) включали врачей-рентгенологов с меньшим опытом применения системы VI-RADS (< 50 случаев), тогда как более высокие значения межнаблюдательной согласованности (> 0,80) достигнуты в центрах с устоявшейся стандартизацией и регулярным применением шкалы VI-RADS. Кроме того, анализ определил несколько факторов, влияющих на диагностическую эффективность в разных исследованиях. Во-первых, исследования с использованием томографов с индукцией магнитного поля 3,0 Тл продемонстрировали более высокую общую чувствительность (90,1 против 83,4%) и специфичность (85,3 против 76,8%) по сравнению с исследованиями, выполненным на томографах с индукцией магнитного поля 1,5 Тл. Во-вторых, наилучшие диагностические результаты с более узкими доверительными интервалами показаны в крупных исследованиях, включающих более 100 участников. В-третьих, опыт рентгенолога оказался существенным фактором, влияющим на точность диагностики, при этом специалисты с опытом работы более 5 лет достигли наилучшей чувствительности (91,2 против 84,7%) и специфичности (88,4 против 77,9%) в диагностике РМП.

В связи с вышеизложенным сохраняют свою актуальность разработка и внедрение новых маркёров, в том числе на основе современных методов лучевой диагностики, позволяющих уточнить Т-стадию и прогнозировать течение РМП. С этих позиций активно обсуждают возможности использования текстурного анализа изображений МРТ.

Текстурный анализ — это новый аналитический инструмент, позволяющий путём компьютерного анализа медицинских изображений c помощью специализированного программного обеспечения получать информацию о неоднородностях тканей. Суть текстурного анализа заключается в математическом преобразовании распределения интенсивности сигналов и пространственных взаимосвязей пикселей в области интереса [14]. Перечень научных исследований, посвящённых текстурному анализу изображений МРТ для диагностики мышечной инвазии при РМП, ограничен. Представленные результаты свидетельствуют о большом потенциале данного метода, однако нередко они носят противоречивый характер [15]. В качестве инструмента сегментации для достижения цели авторы используют как метод 3D-сегментации [16], так и 2D-сегментации [15]. Некоторые авторы утверждают, что мультипараметрический набор данных для текстурного анализа является предпочтительнее монопараметрического [17, 18]. X. Xu и соавт. [17] провели исследование с участием небольшой когорты пациентов, целью которого была оценка диагностической точности текстурного анализа T2-взвешенных изображений (Т2-ВИ), диффузионно-взвешенных изображений (ДВИ) и параметрических карт измеряемого коэффициента диффузии (ИКД) при дифференциальной диагностике мышечно-инвазивного и немышечно-инвазивного РМП. Следует отметить, что комбинация анализируемых импульсных последовательностей не является регламентированной, а определяется выбором авторов исследования. В некоторых работах показано, что добавление текстурных параметров к VI-RADS повышает качество моделей в предсказании вероятности мышечной инвазии при РМП и представляет пользу для врачей-рентгенологов с небольшим опытом визуализации данной патологии [19–22].

Таким образом, текстурный анализ признаётся перспективным методом оценки инвазии опухоли в мышечный слой при РМП. Проблемным моментом является отсутствие унифицированных требований к выполнению процедуры исследования и анализа изображений.

В основе данного исследования лежит наш предыдущий опыт оценки значимости текстурного анализа изображений МРТ в прогнозировании мышечной инвазии при РМП [23]. В настоящем исследовании в качестве метода сегментации мы выбрали вариант 2D-сегментации, что обусловлено следующими ключевыми факторами:

• неизученностью в отечественной и мировой литературе методологии сегментации изображений МРТ при РМП как важного этапа текстурного анализа;
• практической эффективностью 2D-сегментации ввиду значительно меньших трудозатрат по сравнению с 3D-сегментацией;
• научной целесообразностью, связанной с необходимостью изучения и валидации диагностической ценности этого более простого и потенциально более широко применимого в клинической практике метода сегментации.

Как показали результаты нашего предыдущего исследования [23], использование данных трёх импульсных последовательностей повышает прогностическую силу радиомической модели, построенной на основе текстурных признаков. Именно поэтому в настоящем исследовании заложена такая методология построения радиомической модели. Дополнительным критерием новизны представленного исследования является сравнение радиомической и клинико-инструментальной моделей.

ЦЕЛЬ

Разработка и проверка клинико-инструментальной и 2D-радиомической моделей для предсказания мышечной инвазии у пациентов с РМП.

МЕТОДЫ

Дизайн исследования

Проведено многоцентрового одномоментное исследование с анализом ретроспективных данных.

Критерии соответствия

Критерии включения:

• наличие изображений МРТ органов малого таза удовлетворительного качества;
• наличие данных гистологического исследования с заключением относительно вовлечённости мышечного слоя.

Критерии невключения:

• отсутствие гистологического заключения, отражающего состояние инвазии опухоли в мышечный слой;
• неоптимальное качество исследования.

Условия проведения

Работа выполнена с использованием данных двух центров:

• Центральной клинической больницы с поликлиникой Управления делами Президента Российской Федерации;
• Национального медицинского исследовательского центра «Лечебно-реабилитационный центр».

Продолжительность исследования

Набор участников исследования проводили в период с 2018 по 2024 год.

Магнитно-резонансная томография органов малого таза

Всем пациентам в дооперационном периоде выполнена МРТ органов малого таза с внутривенным контрастированием по стандартному протоколу [24] на томографах:

• Siemens Magnetom Avanto® 1,5 Тл (SimensHealthineers, Германия);
• Siemens MagnetomAera® 1,5 Тл (SimensHealthineers, Германия);
• GE Signa HDxt® 3,0 Тл (GEHealthcare, США).

Протокол исследования включал следующие импульсные последовательности:

• T2-ВИ (сагиттальная, аксиальная, корональная плоскости; толщина среза 3–4,5 мм);
• Т1-ВИ (аксиальная плоскость, толщина среза 3–5 мм);
• ДВИ (аксиальная плоскость; с b-факторами 0, 50, 800 и 1000 c/мм²; толщина среза 3–4 мм);
• параметрические карты ИКД (аксиальная плоскость; толщина среза 3–4 мм), построенные автоматически на основе ДВИ (b-фактор 0, 50, 800 и 1000 c/мм²);
• постконтрастные Т1-ВИ c жироподавлением (аксиальная, сагиттальная, корональная плоскости; толщина среза 1,6–4 мм).

Постобработка изображений магнитно-резонансной томографии

Сегментацию изображений и определение категории VI-RADS проводил один врач-рентгенолог с опытом визуализации 4 года. При наличии нескольких образований сегментировали наиболее крупное. Для всех изображений применяли предварительную обработку, заключавшуюся в использовании заданного размера вокселя 1 × 1 × 1 мм. Выполняли ручную сегментацию изображений (Т2-ВИ, ДВИ с b-фактором 800 и 1000 c/мм², карт ИКД) с использованием двухмерной области интереса (2D ROI) на срезе, соответствующем максимальному размеру опухоли (рис. 1). В зону интереса не включали сосудистую ножку опухоли, участки некроза, а также геморрагические включения. Среди Т2-ВИ для сегментации мы выбрали серию в сагиттальной реконструкции. ДВИ и карты ИКД стандартно представлены аксиальными сканами, при этом при сегментации вышеуказанных изображений проводили копирование области интереса с одной последовательности на другую с последующей ручной коррекцией в случае неточностей совпадения. Учитывая, что опухоли преимущественно распространялись вдоль длинной оси органа, сагиттальную плоскость в Т2-ВИ мы выбрали в связи с более оптимальной визуализацией границ новообразования. Кроме того, сагиттальная плоскость являлась более оптимальной для визуализации и сегментации опухоли в случае её локализации в шейке/треугольнике мочевого пузыря. Выбор сагиттальной плоскости в настоящем исследовании не являлся препятствием для сегментирования образований, локализованных на боковых стенках мочевого пузыря. Контроль сегментации включал визуальную проверку соответствия области интереса границам опухоли на всех изображениях после копирования и коррекции тем же врачом-рентгенологом. Использовали по умолчанию предусмотренные настройки извлечения текстурных параметров для 2D ROI. После сегментации для каждой импульсной последовательности рассчитывали по 147 текстурных показателей.

 

Рис. 1. Магнитно-резонансные томограммы. Экзофитная опухоль мочевого пузыря. Примеры сегментации образований на изображениях, приведённых к изотропному вокселю: а — Т2-взвешенное изображение, сагиттальная плоскость; b — диффузионно-взвешенное изображение (b = 1000 c/мм²), аксиальная плоскость; с — параметрическая карта измеряемого коэффициента диффузии, аксиальная плоскость; d–f — «маски» изображений.

 

Основной исход исследования

Создание клинико-инструментальной и 2D-радиомической моделей для предсказания мышечной инвазии у пациентов с РМП, а также анализ их диагностической эффективности.

Методы регистрации исходов

У всех пациентов анализировали результаты МРТ и данные гистологических заключений.

Перечень анализируемых клинико-инструментальных переменных включал:

• возраст;
• пол;
• степень дифференцировки опухоли (Grade) по данным гистологического заключения;
• максимальный размер опухоли;
• количество опухолей;
• категория VI-RADS.

Для текстурного анализа применяли программное обеспечение LIFEx (version v7.4.0 для вычисления текстурных параметров; version v7.5.5 для приведения изображений к изотропному вокселю²) [25].

Анализ в группах

Все пациенты по данным МРТ и гистологического исследования разделены на две группы:

• 1-я группа — пациенты с мышечно-инвазивным РМП;
• 2-я группа — пациенты с немышечно-инвазивным РМП.

Случайным образом сформированы обучающая и тестовая выборки в соотношении 80:20 с целью внутренней проверки прогностических моделей.

Этическая экспертиза

Заключения этического комитета до начала исследования не получали. Информированное согласие на использование данных (результатов МРТ) от пациентов до начала исследования не получали. После завершения анализа данных получено одобрение этического комитета Национального медицинского исследовательского центра «Лечебно-реабилитационный центр» (протокол № 068 от 16.09.2025) на выполнение ретроспективного анализа обезличенных данных. Вместе с тем все пациенты подписывали информированное добровольное согласие на проведение МРТ в рамках обычной клинической практики.

Статистический анализ

Расчёт размера выборки. Предварительно мы не рассчитывали необходимый размер выборки. В исследование включены все доступные случаи, соответствующие критериям включения.

Методы статистического анализа. Сбор данных, их последующую систематизацию осуществляли в электронных таблицах Microsoft Office Excel® 2016 (Microsoft Corporation, США). Статистическую обработку результатов проводили с использованием языка программирования Python (v. 3.12, Python Software Foundation³). Результаты абсолютных величин представлены в виде Ме [Q1; Q3], где Ме — медиана, а Q1 и Q3 — 1-й и 3-й квартиль соответственно, относительных — на 100 обследованных в процентах. Сравнение данных двух групп проводили с помощью критерия Манна–Уитни для абсолютных величин, критерия χ² — для относительных величин. Корреляционный анализ проводили методом ранговой корреляции Спирмена (r). Статистически значимыми считали различия при p ≤ 0,05.

Селекцию возможных предикторов инвазии в мышечный слой среди клинических и текстурных показателей осуществляли в несколько последовательных этапов:

• отбор предполагаемых предикторов с помощью однофакторных логистических моделей и C-индекса (Area Under the Curve, AUC). Признаки, показавшие статистическую значимость (p < 0,05), включены в последующий анализ;
• после стандартизации переменных для дальнейшего отбора предикторов и построения итоговой модели использовали метод LASSO-регрессии (Least Absolute Shrinkage and Selection Operator) с 10-кратной перекрёстной проверкой для подбора оптимального гиперпараметра λ, минимизирующего ошибку.

На последнем этапе для построения модели предсказания наличия/отсутствия мышечной инвазии применяли алгоритм машинного обучения — многофакторную логистическую регрессию, позволяющую создавать легко интерпретируемые (открытые) модели. Для оценки диагностической способности прогностических моделей рассчитывали показатели чувствительности, специфичности и точности, для оценки их качества — площадь под кривой (AUC).

РЕЗУЛЬТАТЫ

Характеристики выборки

Ретроспективно проанализированы данные 98 пациентов с морфологически верифицированным диагнозом РМП (уротелиальная карцинома). В 14% случаев по результатам гистологического исследования не представлялось возможным оценить наличие инвазии опухоли в мышечный слой вследствие отсутствия мышечной ткани в биоптате или выраженных коагуляционных изменений тканей.

Таким образом, в исследование включены данные 84 пациентов [мужчин — 65 (77,0%); женщин — 19 (23,0%)]. Средний возраст составил 68,5 года [60, 75; 75, 0]. В соответствии с результатами гистологического исследования инвазия опухоли в мышечный слой верифицирована у 21 пациента (25,0%), тогда как у 63 пациентов (75,0%) мышечный слой оставался интактным. В свою очередь, опухоли низкой степени злокачественности отмечали у 48 пациентов (59,0%), высокой степени злокачественности — у 33 пациентов (41,0%).

У 69 пациентов (82,0%) трансуретральную резекцию выполнили не позднее 1 мес. после проведения МРТ, у 14 пациентов (17,0%) — от 1 до 3,5 мес. после МРТ; у 1 пациента (1,0%) — за 1 мес. до проведения МРТ.

Соотношение пациентов, обследованных на томографах с индукцией магнитного поля 1,5 и 3 Тл, составляло 48 (57,1%) к 36 (42,9%).

Проанализировано 252 изображения, тогда как для сегментации выбраны 246. Оставшиеся 6 изображений имели артефакты, что не позволило включить их в текстурный анализ.

В соответствии с поставленной целью проведена оценка клинических и инструментальных данных у обследованных пациентов в зависимости от наличия инвазии опухоли в мышечный слой мочевого пузыря, что продемонстрировано в табл. 1.

 

Таблица 1. Клинико-демографические характеристики пациентов

Характеристики	Все пациенты, n = 84	1-я группа, n = 21	2-я группа, n = 63	p
Мужской пол, n (%)	65 (77,0)	17 (81,0)	48 (76,0)	0,770
Женский пол, n (%)	19 (23,0)	4 (19,0)	15 (24,0)
Возраст, лет	68,5 [60, 75; 75, 0]	68,0 [63, 0; 76, 0]	69,0 [59, 5; 75, 0]	0,522
Низкая степень злокачественности, n (%)	48 (59,0)	6 (29,0)	42 (70,0)	0,002*
Высокая степень злокачественности, n (%)	33 (41,0)	15 (71,0)	18 (30,0)	0,002*
Максимальный размер опухоли, мм	18,5 [13, 0; 32, 25]	32,0 [22, 0; 46, 0]	16,0 [12, 0; 24, 0]	< 0,001*
Количество опухолей, n	1,0 [1, 0; 1, 0]	1,0 [1, 0; 1, 0]	1,0 [1, 0; 1, 0]	0,070
Одна опухоль, n (%)	75 (89,0)	21 (100,0)	54 (86,0)	—
Две опухоли и более, n (%)	9 (11,0)	0 (0)	9 (14,0)	—
VI-RADS 1, n (%)	11 (13,0)	0 (0)	11 (18,0)	0,058
VI-RADS 2, n (%)	39 (47,0)	5 (24,0)	34 (55,0)	0,022*
VI-RADS 3, n (%)	13 (16,0)	4 (19,0)	9 (15,0)	0,730
VI-RADS 4, n (%)	16 (19,0)	8 (38,0)	8 (13,0)	0,022*
VI-RADS 5, n (%)	4 (5,0)	4 (19,0)	0 (0)	0,003*
VI-RADS 1–2, n (%)	50 (60,0)	5 (24,0)	45 (73,0)	< 0,001*
VI-RADS 4–5, n (%)	20 (24,0)	12 (57,0)	8 (13,0)	< 0,001*

Примечание. Степень злокачественности во 2-й группе оценивали у 60 пациентов. Результаты магнитно-резонансной томографии мочевого пузыря с помощью международной стандартизированной шкалы во 2-й группе оценивали у 62 пациентов. Результаты количественных признаков представлены в виде Me [Q1; Q3], где Me — медиана, Q1 и Q3 — 1-й и 3-й квартиль соответственно. VI-RADS (Vesical Imaging-Reporting And Data System) — международная стандартизированная шкала для оценки результатов магнитно-резонансной томографии мочевого пузыря. * — статистически значимые различия при p < 0,05.

 

Возрастные и гендерные характеристики, количество опухолей не имели существенных особенностей, однако по некоторым признакам получены статистически значимые различия (p ≤ 0,05). Так, у пациентов 1-й группы отмечали больший максимальный размер опухоли, определяемый по данным МРТ, чаще регистрировали высокую степень злокачественности, а также VI-RADS 4–5 (см. табл. 1).

Результаты анализа клинико-инструментальных данных

Среди качественных и количественных данных сильно коррелирующих [коэффициент множественной корреляции (Rm) > 0,7] между собой не выявлено. Умеренную корреляционную связь (Rm от 0,3 до 0,5) показали следующие переменные (рис. 2):

• инвазия и VI-RADS 5: Rm = 0,387 (p = 0,003);
• инвазия и степень злокачественности: Rm = 0,369 (p = 0,002).

 

Рис. 2. Тепловая карта. Цветовая шкала отражает степень корреляционной связи между переменными. Величина корреляции указана по вертикальной цветовой шкале. Grade — степень злокачественности по результатам гистологических исследований; VI-RADS (Vesical Imaging-Reporting and Data System) — международная стандартизированная шкала для оценки результатов магнитно-резонансной томографии мочевого пузыря.

 

На основании полученных данных предпринята тактика оценить диагностическую значимость указанных переменных в качестве предикторов инвазии в мышечный слой при РМП. С помощью однофакторной логистической регрессии отобрано четыре клинических предиктора мышечной инвазии (табл. 2). По результатам однофакторного логистического анализа отдельные переменные демонстрировали существенную вариабельность показателей точности, чувcтвительности и специфичности (табл. 3). Особенно сложно прогнозировать мышечную инвазию на основании заключения о степени VI-RADS, хотя в клинической практике этому показателю отводят важную роль.

 

Таблица 2. Факторы риска мышечной инвазии на основе однофакторной логистической регрессии

Фактор	Коэффициент регрессии	Отношение шансов, (95% ДИ)	p
Степень злокачественности	1,764	5,836 (1,950–17,454)	0,002*
Максимальный размер опухоли	0,034	1,034 (1,004–1,066)	0,021*
VI-RADS 1–2	−2,137	0,118 (0,037–0,372)	< 0,001*
VI-RADS 4–5	2,197	8,997 (2,879–28,125)	< 0,001*

Примечание. VI-RADS (Vesical Imaging-Reporting And Data System) — международная стандартизированная шкала для оценки результатов магнитно-резонансной томографии мочевого пузыря; ДИ — доверительный интервал. * — статистически значимые различия при p < 0,05.

 

Таблица 3. Метрики диагностической точности для каждого прогностического фактора

Факторы	AUC, %	Точность, %	Чувствительность, %	Специфичность, %
Максимальный размер опухоли	77,0 (68,1–85,3)	73,8 (66,7–81,0)	66,7 (48,0–84,6)	76,2 (67,7–84,6)
Степень злокачественности	70,6 (60,8–80,4)	70,2 (61,9–78,6)	71,4 (54,2–87,5)	69,8 (59,4–79,0)
VI-RADS 1	59,5 (55,6–63,7)	39,3 (31,0–47,6)	100,0 (100,0–100,0)	19,0 (11,1–27,4)
VI-RADS 2	65,1 (56,2–73,8)	59,5 (51,2–67,9)	76,2 (61,1–90,5)	54,0 (43,5–63,8)
VI-RADS 1–2	74,6 (65,8–82,9)	73,8 (65,5–81,0)	76,2 (61,1–90,5)	73,0 (63,8–81,8)
VI-RADS 3	52,4 (43,9–60,9)	69,0 (60,7–77,4)	19,0 (5,0–34,8)	85,7 (78,3–92,1)
VI-RADS 4	62,7 (53,2–72,1)	75,0 (67,9–82,1)	38,1 (21,1–56,2)	87,3 (80,0–93,8)
VI-RADS 5	59,5 (52,6–66,7)	79,8 (72,6–86,9)	19,0 (5,3–33,3)	100,0 (100,0–100,0)
VI-RADS 4–5	72,2 (62,1–81,8)	79,8 (72,6–86,9)	57,1 (38,1–75,0)	87,3 (80,0–93,8)

Примечание. Данные представлены с указанием 95% доверительного интервала (95% ДИ). VI-RADS (Vesical Imaging-Reporting And Data System) — международная стандартизированная шкала для оценки результатов магнитно-резонансной томографии мочевого пузыря; AUC (Area Under the Curve) — площадь под характеристической кривой.

 

Последующий многофакторный анализ проведён после разделения пациентов случайным образом на обучающую (n = 66) и тестовую (n = 18) выборки (табл. 4), которые статистически значимо не различались между собой, что говорит об их сопоставимости.

 

Таблица 4. Характеристики обучающей и тестовой выборок

Характеристики	Тестовая выборка, n = 18	Обучающая выборка, n = 66	p
Отсутствие мышечной инвазии, n (%)	14 (78,0)	49 (74,0)	1,000
Наличие мышечной инвазии, n (%)	4 (22,0)	17 (26,0)	1,000
Предикторы мышечной инвазии
Мужской пол, n (%)	14 (78,0)	51 (77,0)	1,000
Женский пол, n (%)	4 (22,0)	15 (23,0)	1,000
Возраст, лет	65,0 [59, 25; 69, 75]	69,5 [63, 0; 75, 75]	0,121
Низкая степень злокачественности, n (%)	10 (62,5)	38 (58,5)	1,000
Высокая степень злокачественности, n (%)	6 (37,5)	27 (41,5)	1,000
Максимальный размер опухоли, мм	22,0 [10, 5; 41, 5]	18,0 [14, 0; 32, 0]	0,756
Количество опухолей, n	1,0 [1, 0; 1, 0]	1,0 [1, 0; 1, 0]	0,433
Одна опухоль, n (%)	17 (94,0)	58 (88,0)	—
Две опухоли и более, n (%)	1 (6,0)	8 (12,0)	—
VI-RADS 1, n (%)	5 (28,0)	6 (9,0)	0,380
VI-RADS 2, n (%)	6 (33,0)	33 (51,0)	0,380
VI-RADS 3, n (%)	2 (11,0)	11 (17,0)	0,380
VI-RADS 4, n (%)	4 (22,0)	12 (18,0)	0,380
VI-RADS 5, n (%)	1 (6,0)	3 (5,0)	0,380
VI-RADS 1–2	11 (61,0)	39 (60,0)	1,000
VI-RADS 4–5	5 (28,0)	15 (23,0)	0,756

Примечание. Степень злокачественности в обучающей выборке оценивали у 65 пациентов. Результаты магнитно-резонансной томографии мочевого пузыря с помощью международной стандартизированной шкалы оценивали у 65 пациентов в обучающей выборке. Результаты количественных признаков представлены в виде Me [Q1; Q3], где Me — медиана, Q1 и Q3 — 1-й и 3-й квартиль соответственно. VI-RADS (Vesical Imaging-Reporting And Data System) — международная стандартизированная шкала для оценки результатов магнитно-резонансной томографии мочевого пузыря.

 

В математическую модель прогноза наличия мышечной инвазии путём многофакторной логистической регрессии включены шесть переменных — VI-RADS 4–5, степень злокачественности, максимальный размер опухоли, возраст, VI-RADS 1–2, а также количество опухолей. Коэффициенты предикторных переменных представлены в табл. 5.

 

Таблица 5. Факторы риска мышечной инвазии на основе многофакторной логистической регрессии

Факторы	Коэффициент регрессии
VI-RADS 4–5	1,291
Степень злокачественности	1,202
Максимальный размер опухоли	0,061
Возраст	0,027
VI-RADS 1–2	−0,677
Количество опухолей	−1,032
Константа	−4,125

 

Полученная математическая модель имеет следующий вид:

$ВПР=1/\left(1+e^{\wedge }\left(-x\right)\right)$, (1)

где ВПР (вероятность прогнозирования результата) — наличие мышечной инвазии; x — линейная комбинация предикторов модели; e — математическая константа, основание натурального логарифма.

В свою очередь, линейную комбинацию предикторов модели рассчитывали по следующей формуле:

$x=\mathrm{1,290}\times VI-RADS\_4-5+\mathrm{1,201}\times Grade+\mathrm{0,061}\times Max+\mathrm{0,027}\times Age-\mathrm{0,677}\times VI-RADS\_1-2-\mathrm{1,032}\times N-\mathrm{4,125}$, (2)

где VI-RADS 4–5 — категория 4–5 по шкале VI-RADS; Grade — степень злокачественности опухоли по данным гистологического заключения; Max — максимальный размер опухоли, мм; Age — возраст, лет; VI-RADS 1–2 — категория 1–2 по шкале VI-RADS; N — количество опухолей.

Определено значение точки отсечения (Cut-Off), равное 0,22:

• если ВПР < 0,22, то инвазии в мышечный слой нет;
• если ВПР ≥ 0,22, то инвазия в мышечный слой есть.

Метрики оценки качества данной прогностической модели представлены в табл. 6. На тестовой выборке при удовлетворительных показателях специфичности и точности чувствительность модели составляет только 50%.

 

Таблица 6. Метрики диагностической точности прогностической модели, основанной на клинических переменных, для обучающей и тестовой выборок

Метрики	Обучающая выборка	Тестовая выборка
AUC, %	90,8 (83,6–96,4)	75,0 (50,0–94,6)
Точность, %	77,3 (68,2–84,8)	72,2 (55,6–88,9)
Чувствительность, %	82,4 (64,7–95,2)	50,0 (0,0–100,0)
Специфичность, %	75,5 (64,8–85,4)	78,6 (60,0–94,1)

Примечание. Данные представлены с указанием 95% доверительного интервала (95% ДИ). AUC (Area Under the Curve) — площадь под характеристической кривой.

 

Результаты текстурного анализа

2D-текстурный анализ изображений МРТ показал, что между пациентами 1-й и 2-й групп имеются статистически значимые различия по 161 показателю (43,0% всех анализируемых показателей) (p ≤ 0,001–0,005). Преимущественно это текстурные признаки, извлечённые из параметрических карт ИКД (40% всех текстурных признаков, имеющих статистически значимые различия). По данным однофакторного логистического анализа, пациенты 1-й и 2-й групп имеют статистически значимые различия по 147 показателям (p ≤ 0,001–0,005), среди которых также преобладают текстурные признаки, извлечённые из параметрических карт ИКД (44,9% всех статистически значимых).

Таким образом, мы можем сделать предварительный вывод о высокой информативности текстурного анализа изображений МРТ, учитывая высокий процент различий в зависимости от наличия мышечной инвазии.

Последующий многофакторный анализ проведён после разделения обследованных на две группы — обучающую (n = 66) и тестовую (n = 18), которые были сопоставимы по основным характеристикам (см. табл. 4). При пошаговом отборе с использованием LASSO-регрессии отобрано четыре текстурных предиктора мышечной инвазии (рис. 3 и 4, табл. 7).

 

Рис. 3. Выбор оптимального параметра α в модели LASSO. Вертикальная пунктирная линия (α) — значение минимальной среднеквадратической ошибки на обучающей и тестовой выборках. Оптимальное значение α = 10,72. СКО — среднеквадратическая ошибка; LASSO (Least Absolute Shrinkage and Selection Operator) — метод наименьшего абсолютного сжатия и отбора признаков.

 

Рис. 4. График Lasso-коэффициентов. Каждая цветная линия отражает коэффициент для отдельного текстурного признака. Вертикальная линия отражает 4 текстурных признака с ненулевыми коэффициентами, отобранными при оптимальном значении α, для дифференциальной диагностики мышечно-инвазивного и немышечно-инвазивного рака мочевого пузыря. LASSO (Least Absolute Shrinkage and Selection Operator) — метод наименьшего абсолютного сжатия и отбора признаков.

 

Таблица 7. Текстурные 2D-предикторы, отобранные методом LASSO-регрессии, для дифференциальной диагностики мышечно-инвазивного и немышечно-инвазивного рака мочевого пузыря

Текстурные признаки	Коэффициент регрессии
T2_2D_INTENSITY-HISTOGRAM_IntensityHistogramMode(IBSI:AMMC)[Intensity]	1,347
ИКД_2D_INTENSITY-HISTOGRAM_IntensityHistogramEntropyLog2(IBSI:TLU2)[Intensity]	1,179
ИКД_2D_GLSZM_ZoneSizeEntropy(IBSI:GU8N)	−0,018
ИКД_2D_MORPHOLOGICAL_SurfaceToVolumeRatio(IBSI:2PR5)[mm]	−1,202
Константа	−2,229

Примечание. LASSO (Least Absolute Shrinkage and Selection Operator) — метод наименьшего абсолютного сжатия и отбора признаков.

 

Для оценки наличия мышечной инвазии также использовали прогностическую модель (1).

В свою очередь, линейную комбинацию предикторов модели рассчитывали по следующей формуле:

$$\begin{gathered} x=\mathrm{1,347}\times T2\_2D\_INTENSITY-HISTOGRAM\_IntensityHistogramMode(IBSI:AMMC)\left[Intensity\right]+\mathrm{1,179}\times \\ \times ИКД\_2D\_INTENSITY-HISTOGRAM\_IntensityHistogramEntropyLog2(IBSI:TLU2)\left[Intensity\right]-\mathrm{0,018}\times \\ \times ИКД\_2D\_GLSZM\_ZoneSizeEntropy(IBSI:GU8N)-\mathrm{1,201}\times \\ \times ИКД\_2D\_MORPHOLOGICAL\_SurfaceToVolumeRatio(IBSI:2PR5)\left[mm\right]-\mathrm{2,229}, \end{gathered}$$ (3)

где T2_2D_INTENSITY-HISTOGRAM_Intensity HistogramMode — показатель первого порядка, количественно определяет наиболее часто встречающееся значение интенсивности вокселей или уровней серого в области интереса; ИКД_2D_INTENSITYHISTOGRAM_IntensityHistogramEntropyLog2 — показатель первого порядка, измеряет случайность значений интенсивности вокселей в области интереса, рассчитывается с применением формулы энтропии Шеннона; ИКД_2D_GLSZM_ZoneSizeEntropy — показатель второго порядка, является показателем количественного определения зон уровней серого на изображении и определяется как воксели с одинаковым уровнем серого, измеряет случайность/изменчивость распределения зон уровней серого на изображении и отражает гетерогенность структуры образования; ИКД_2D_MORPHOLOGICAL_ SurfaceToVolumeRatio — отражает отношение площади поверхности опухоли к объёму, высокое соотношение указывает на сложную и неправильную форму новообразования, коррелирует с более агрессивными характеристиками опухоли и инфильтративным ростом.

Определено значение точки отсечения (Cut-Off), равное 0,34:

• если ВПР < 0,34, то инвазии в мышечный слой нет;
• если ВПР ≥ 0,34, то инвазия в мышечный слой есть.

Метрики оценки качества данной прогностической модели представлены в табл. 8. Полученная модель очень хорошего качества (80–90%), поскольку значение AUC на тестовой выборке составляет 0,86.

 

Таблица 8. Метрики диагностической точности прогностической модели, основанной на текстурных 2D-признаках, для обучающей и тестовой выборок

Метрики	Обучающая выборка	Тестовая выборка
AUC, %	91,1 (83,9–97,0)	85,7 (57,1–100,0)
Точность, %	84,8 (77,3–92,4)	77,8(61,1–94,4)
Чувствительность, %	82,4 (65,2–95,7)	75,0 (33,3–100,0)
Специфичность, %	85,7 (76,6–94,0)	78,6 (60,0–93,8)

Примечание. Данные представлены с указанием 95% доверительного интервала (95% ДИ). AUC (Area Under the Curve) — площадь под характеристической кривой.

 

Таким образом, использование текстурного анализа позволило добиться улучшения качества прогноза мышечной инвазии при РМП (см. табл. 6 и 8), не прибегая к инвазивным процедурам.

ОБСУЖДЕНИЕ

Резюме основного результата исследования

Мы разработали клинико-инструментальную и 2D-радиомическую модели для прогнозирования мышечной инвазии при РМП. Разработка радиомической модели является важным этапом совершенствования диагностики РМП с помощью МРТ и соответствует современным тенденциям оптимизации методов лучевой визуализации. Радиомическую модель можно рассматривать в качестве альтернативы клинической модели в случаях отсутствия полной информации, необходимой для построения последней. По своим диагностическим характеристикам радиомическая модель не уступает клинико-инструментальной и демонстрирует тенденцию к более высоким значениям метрик качества. Вместе с тем следует отметить, что доверительные интервалы основных показателей качества на тестовой выборке в значительной степени перекрываются между моделями, а проведение формального статистическое сравнение значений AUC ограничено вследствие небольшого объёма тестовой выборки. Таким образом, текстурный анализ возможно использовать для дифференциальной диагностики мышечно-инвазивного и немышечно-инвазивного РМП.

Интерпретация основных результатов исследования

Особенностью настоящего исследования является сравнительный анализ прогностической значимости клинико-инструментальных данных и радиомических параметров в оценке мышечной инвазии РМП. Следует отметить, что проведению текстурного анализа предшествовала стандартизация всех анализируемых импульсных последовательностей, включавшая приведение изображений к единому размеру вокселя — 1 × 1 × 1 мм. Среди данных стандартного инструментального исследования и клинических переменных достоверными предикторами мышечной инвазии оказались следующие: степень злокачественности, возраст, количество опухолей, категория VI-RADS 1–2 и VI-RADS 4–5. Оценивая важность клинических предикторов, исходя из коэффициентов регрессии, важно отметить два наиболее значимых параметра — VI-RADS 4–5 и степень злокачественности.

Отобранные текстурные признаки, ассоциированные с мышечной инвазией, характеризовались следующим образом:

• три из четырёх признаков извлечены из параметрических карт ИКД;
• два — относились к показателям первого порядка (на основе гистограммы распределения интенсивности элементов текстуры в области интереса);
• один — к показателям второго порядка [на основе матрицы размеров областей уровней серого (Gray Level Size Zone Matrix, GLSZM)];
• один — к показателю формы.

Текстурные признаки первого порядка характеризуют распределение значений отдельных вокселей без учёта пространственных отношений, тогда как второго порядка — пространственное расположение [11].

Преобладание текстурных признаков, извлечённых из параметрических карт ИКД, в прогностической модели, вероятно, может быть обусловлено частым выявлением артефактов на ДВИ, что может искажать истинный текстурный профиль опухоли.

Более точные характеристики текстурных признаков представлены ниже [25]:

• GLSZM — матрица размеров зон уровней серого, количественно определяет зоны уровня серого на изображении. Зона уровня серого определяется как количество соединённых вокселей с одинаковой интенсивность уровня серого. GLSZM_ZoneSizeEntropy — характеризует случайность в распределении размеров зон и уровней серого, при этом более высокое значение указывает на бóльшую неоднородность в текстурной картине;
• INTENSITY-HISTOGRAM_IntensityHistogramMode — наиболее часто встречающееся значение интенсивности уровня серого в гистограмме интенсивности;
• INTENSITY-HISTOGRAM_IntensityHistogram EntropyLog2 — значение энтропии в гистограмме интенсивности, отражает случайность значений в изображении;
• MORPHOLOGICAL_SurfaceToVolumeRatio — отношение площади поверхности к объёму. Установлено, что высокое соотношение указывает на сложную и неправильную форму новообразования, кроме того, оно может коррелировать с более агрессивными характеристиками опухоли и инфильтративным ростом.

Обсуждая полученные результаты и признавая высокую диагностическую ценность клинической модели на основе клинико-инструментальных характеристик, необходимо подчеркнуть, что в определённых случаях отдельные её компоненты могут быть недоступны для прогнозирования. В частности, это может быть обусловлено ограничениями гистологического исследования. В подобных ситуациях применение текстурного анализа представляется целесообразным и потенциально информативным.

В 2024 году мы провели исследование [23], результаты которого подтвердили гипотезу о возможности прогнозирования мышечной инвазии при РМП на основе текстурных признаков. В свою очередь, результаты настоящего исследования ещё раз подтвердили эту гипотезу, показав превосходство текстурного анализа над стандартными клинико-инструментальными подходами. В обоих исследованиях раскрыт потенциал текстурного анализа в предсказании мышечной инвазии при РМП. Кроме того, установлено, что наибольший вклад в финальные комбинированные модели внесли признаки, извлечённые из параметрических карт ИКД. Это позволяет рассматривать признаки, отражающие клеточность опухоли, как важные в характеристике инвазивного потенциала образования.

Наши результаты сопоставимы и с другими работами, в которых текстурные признаки первого порядка, в частности гистограммы, входили в число предикторов мышечной инвазии [15, 16].

C.S. Lim и соавт. [15] установили, что 2D-текстурный анализ T2-ВИ и параметрических карт ИКД позволяет уточнять локальный статус РМП, при этом значения AUC составили 0,85 и 0,80 соответственно. В отличие от нашей прогностической модели, включающей несколько подгрупп текстурных признаков, C.S. Lim и соавт. [15] в итоговую модель отобрали лишь один показатель первого порядка (энтропию).

Ранее A. Razik и соавт. [26] провели исследование со схожим дизайном, однако авторы не выявили текстурных признаков, которые возможно использовать в качестве предикторов мышечной инвазии. Авторы объяснили это неоптимальностью выборки (все случаи мышечно-инвазивного РМП имели высокую степень злокачественности, что отразилось на высоком коэффициенте корреляции r = 1). Отличие от результатов настоящего исследования, вероятно, может быть обусловлено также тем, что они не включали в анализ показатели второго и более высокого порядков, объяснив трудности их интерпретации и выявления причинно-следственных связей.

H. Wang и соавт. [27], также использовавшие двухмерную область интереса, включили в итоговую модель значительно большее число текстурных признаков, характеристики которых существенно отличались от наших: среди 36 отобранных предикторов преобладали признаки второго порядка. В свою очередь, в итоговую модель мы включили только четыре переменные, преимущественно представленные показателями первого порядка. Однако результаты нашего исследования согласуются с работой коллег [17, 27] в том, что основную часть текстурных признаков извлекли из параметрических карт ИКД.

В дальнейшем считаем актуальным проведение проспективных исследований и внешней валидации с проверкой модели на независимых данных из других центров, изучение возможностей автоматической или полуавтоматической сегментации изображений для устранения межоператорской вариабельности, разработку компьютерных программ онлайн-калькуляторов для упрощённого прогноза.

Ограничения исследования

Наше исследование имеет определённые ограничения. В частности, анализ ретроспективных данных не исключал возможность систематической ошибки выбора. Кроме того, относительно небольшой размер выборки, особенно тестовой, мог повлиять на стабильность оценок метрик моделей, что подтверждается широкими доверительными интервалами для отдельных метрик качества. В связи с этим перед клиническим применением разработанных моделей необходима их проспективная внешняя валидация на независимой многоцентровой когорте большего размера.

С целью стандартизации исследований мы применяли только нормализацию размеров вокселя, без использования различных фильтров и ограничений шкал уровней серого, что также могло повлиять на воспроизводимость результатов. Отсутствие внешней валидации на независимой выборке пациентов из другого центра дополнительно ограничивает возможность обобщения полученных результатов.

Следует отметить и ограничения, связанные с методикой сегментации и анализа изображений. Текстурному анализу подвергали лишь опухоль, однако дополнительный интерес может представлять также анализ структуры нормальной стенки и прилежащей клетчатки. Использование различных плоскостей для сегментации могло привести к неполному пространственному соответствию анализируемых объёмов опухоли между последовательностями. Кроме того, сегментация изображений одним врачом-рентгенологом не позволяет оценить межоператорскую согласованность. В свою очередь, использование двухмерной области интереса ограничивает возможность оценки гетерогенности всей опухоли. С одной стороны, меньший объём анализируемых данных может способствовать получению более стабильных предикторов, однако, с другой стороны, не исключена потеря потенциально важных предикторных переменных.

ЗАКЛЮЧЕНИЕ

Таким образом, радиомическая модель показала более высокие метрики качества (AUC = 0,86) по сравнению с клинико-инструментальной (AUC = 0,75). Представленные данные следует интерпретировать с учётом ограничений, связанных с объёмом выборки. Тем не менее полученные результаты подтверждают потенциальную научную и практическую значимость текстурного анализа в диагностике мышечной инвазии при РМП, определяя перспективные направления дальнейших исследований и обосновывая целесообразность их дальнейшей валидации в клинической практике.

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Вклад авторов. А.А. Коваленко — определение концепции исследования, работа с данными, анализ данных, проведение исследования, написание черновика рукописи; В.Е. Синицын — определение концепции исследования, руководство исследованием, пересмотр и редактирование текста рукописи; В.С. Петровичев — проведение исследования, пересмотр и редактирование текста рукописи; З.А. Коваленко — проведение исследования. Все авторы одобрили рукопись (версию для публикации), а также согласились нести ответственность за все аспекты работы, гарантируя надлежащее рассмотрение и решение вопросов, связанных с точностью и добросовестностью любой её части.

Благодарность. Коллектив авторов выражает благодарность Е.В. Щепкиной за помощь в оформлении графических материалов.

Этическая экспертиза. Заключения этического комитета до начала исследования не получали. Информированное согласие на использование данных (результатов магнитно-резонансной томографии) от пациентов до начала исследования не получали. После завершения анализа данных получено одобрение этического комитета Национального медицинского исследовательский центра «Лечебно-реабилитационный центр» (протокол № 068 от 16.09.2025) на выполнение ретроспективного анализа обезличенных данных. Вместе с тем все пациенты подписывали информированное добровольное согласие на проведение магнитно-резонансной томографии в рамках обычной клинической практики.

Источники финансирования. Отсутствуют.

Раскрытие интересов. Авторы заявляют об отсутствии отношений, деятельности и интересов за последние три года, связанных с третьими лицами (коммерческими и некоммерческими), интересы которых могут быть затронуты содержанием статьи.

Оригинальность. При создании настоящей работы применены данные части пациентов, использованные при создании ранее опубликованной работы (doi: 10.48612/cgma/4dxa-hbng-6vf4).

Доступ к данным. Все данные, полученные в настоящем исследовании, доступны в статье.

Генеративный искусственный интеллект. При создании настоящей статьи технологии генеративного искусственного интеллекта не использовали.

Рассмотрение и рецензирование. Настоящая работа подана в журнал в инициативном порядке и рассмотрена по обычной процедуре. В рецензировании участвовали два внешних рецензента, член редакционной коллегии и научный редактор издания.

ADDITIONAL INFORMATION

Author contributions: A.A. Kovalenko: conceptualization, data curation, formal analysis, investigation, writing — original draft; V.E. Sinitsyn: conceptualization, supervision, writing — review & editing; V.S. Petrovichev: investigation, writing — review & editing; Z.A. Kovalenko: investigation. All the authors approved the version of the manuscript to be published and agreed to be accountable for all aspects of the work, ensuring that questions related to the accuracy or integrity of any part of the work are appropriately investigated and resolved.

Acknowledgments: The authors express their gratitude to E.V. Shchepkina for assistance in vizualization.

Ethics approval: Ethics committee approval was not obtained prior to the study start. No informed consent for the use of data (magnetic resonance imaging results) was obtained from patients prior to the study start. Following data analysis, an approval was obtained from the Ethics Committee of the National Medical Research Center "Treatment and Rehabilitation Center" (Minutes No. 068 dated September 16, 2025) for conducting a retrospective analysis of anonymized data. However, all patients had signed written informed consent for magnetic resonance tomography as part of routine clinical practice.

Funding sources: No funding.

Disclosure of interests:The authors have no relationships, activities, or interests for the last three years related to for-profit or not-for-profit third parties whose interests may be affected by the content of the article.

Statement of originality: This work includes data from a subset of patients used in a previously published work (doi: 10.48612/cgma/4dxa-hbng-6vf4).

Data availability statement: All data obtained in this study are available in the article.

Generative AI: No generative artificial intelligence technologies were used to prepare this article.

Provenance and peer-review: This article was submitted unsolicited and reviewed following the standard procedure. The peer-review process involved two external reviewers, a member of the Editorial Board, and the in-house science editor.

¹ Cancer Today. International Agency for Research on Cancer [Internet]. 2022–2026. Режим доступа: http://gco.iarc.fr/today/home. Дата обращения: 24.05.2026.

² lifexsoft.org [Internet]. LIFEx software. 2022–2026. Режим доступа: www.lifexsoft.org. Дата обращения: 25.05.2026.

³ python.org [Internet]. Python Software Foundation. 2001–2026. Режим доступа: https://www.python.org/. Дата обращения: 25.05.2026.

About the authors

Anastasia A. Kovalenko

Central Clinical Hospital of the Management Affair of President Russian Federation

Author for correspondence.
Email: nastua_kovalenko@mail.ru
ORCID iD: 0000-0001-8276-3594
SPIN-code: 6158-0090
Russian Federation, Moscow

Valentin E. Sinitsyn

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies; Lomonosov Moscow State University

Email: vsini@mail.ru
ORCID iD: 0000-0002-5649-2193
SPIN-code: 8449-6590

MD, Dr. Sci. (Medicine), Professor

Russian Federation, Moscow; Moscow

Victor S. Petrovichev

National Medical Research Center "Treatment and Rehabilitaion Center", Moscow

Email: petrovi4ev@gmail.com
ORCID iD: 0000-0002-8391-2771
SPIN-code: 7730-7420

MD, Cand. Sci. (Medicine)

Russian Federation, Moscow

Zahar A. Kovalenko

National Medical Research Center "Treatment and Rehabilitaion Center", Moscow

Email: zahar_kovalenko@mail.ru
ORCID iD: 0000-0002-8314-9307
SPIN-code: 2384-2473

MD, Cand. Sci. (Medicine)

Russian Federation, Moscow

References

Supplementary files