Классификация адренокортикального рака, феохромоцитом и аденом надпочечников по изображениям КТ с контрастным усилением с применением машинного обучения

Обоснование. Дифференциальная диагностика адренокортикального рака (АКР), феохромоцитом и аденом надпочечников по данным компьютерной томографии (КТ) с контрастным усилением (КУ) остается сложной задачей из-за значительного перекрытия их рентгенологических характеристик. Существующие методы классификации, основанные на стандартных морфологических критериях, демонстрируют ограниченную точность, что может приводить к ошибочным диагнозам и неадекватному выбору тактики лечения. Внедрение радиомики и методов машинного обучения может повысить точность диагностики, но мультиклассовые модели, охватывающие три типа образований, остаются недостаточно изученными.

Цель — разработка и оценка модели машинного обучения для многоклассовой классификации образований надпочечников на три категории (аденомы, АКР, феохромоцитомы) по данным КТ с КУ с применением текстурных признаков.

Методы. Проведено ретроспективное исследование, включающее 196 пациентов с гистологически верифицированными опухолями надпочечников: 28 случаев АКР, 125 феохромоцитом и 43 аденомы. Изображения КТ обрабатывались в PyRadiomics для вычисления 106 текстурных признаков для каждой фазы КТ. Для снижения влияния различий между томографами применялась гармонизация данных с применением сингулярного разложения (SVD). Модель XGBoost обучали с применением стратифицированной k-fold кросс-валидации. Оценка качества модели проводилась с использованием метрик макроусредненной точности, класс-специфичной точности, F1-score и ROC-AUC.

Результаты. Средняя точность модели составила 0,833 ± 0,083, макроусредненный F1-score – 0,784 ± 0,096, ROC-AUC – 0,899 ± 0,061. Точность классификации феохромоцитом и аденом составила 0,842 ± 0,112 и 0,872 ± 0,089 соответственно, тогда как для АКР – 0,647 ± 0,098. Анализ наиболее информативных признаков показал, что для классификации значимы параметры, характеризующие однородность и интенсивность в различных фазах контрастирования.

Заключение. Радиомика и методы машинного обучения позволяют достичь высокой точности в мультиклассовой классификации образований надпочечников по данным КТ с контрастированием. Однако точность диагностики АКР остается низкой, что может быть связано с гетерогенностью опухоли и ограниченностью выборки. Полученные результаты подчеркивают необходимость дальнейших исследований, включающих интеграцию клинических данных для повышения точности диагностики.