Радиомический анализ изображений в кардиологии: возможности перспективы применения: обзор литературы

Большинство современных биомедицинских исследований направлены на персонификацию диагностики и лечения различных заболеваний. Реализовать индивидуальный подход можно, используя радиомику — новейшее направление лучевой диагностики, связанное с извлечением большого количества (от сотен до нескольких тысяч) дополнительных количественных показателей из медицинских изображений, путем использования специализированного программного обеспечения. Метод активно используется в онкологии для выявления радио-химиорезистентных зон опухоли, а также неинвазивного определения фенотипа и генотипа новообразования. В то же время перспективы применения и клиническая значимость данного подхода в кардиологии до сих пор не определены и являются предметом активного исследования в последние годы. В связи с этим целью представленного обзора явился сбор информации из доступных баз данных и оценка степени изученности проблемы радиомического анализа изображений сердца при использовании различных лучевых модальностей, а также определение перспектив использования указанного подхода в клинической практике.

1. Ginsburg G.S., Willard H.F. Genomic and personalized medicine: foundations and applications // Translational research. 2009. Vol. 154, No. 6. Р. 277–287. doi: 10.1016/j.trsl.2009.09.005.

2. Hassani C., Saremi F., Varghese B.A., Duddalwar V. Myocardial Radiomics in Cardiac MRI // American Journal of Roentgenology. 2020. Vol. 214, No. 3. Р. 536–545. doi: 10.2214/AJR.19.21986.

3. Lambin P., Rios-Velazquez E., Leijenaar R., Carvalho S., van Stiphout RG., Granton P., Zegers CM., Gillies R., Boellard R., Dekker A., Aerts HJ. Radiomics: extracting more information from medical images using advanced feature analysis // European Journal of Cancer. 2012. Vol. 48, No. 4. Р. 441–446. doi: 10.1016/j.ejca.2011.11.036.

4. Lambin P., Leijenaar R.T.H., Deist T.M., Peerlings J., de Jong E.E.C., van Timmeren J., Sanduleanu S., Larue R.T.H.M., Even A.J.G., Jochems A., van Wijk Y., Woodruff H., van Soest J., Lustberg T., Roelofs E., van Elmpt W., Dekker A., Mottaghy F.M., Wildberger J.E., Walsh S. Radiomics: the bridge between medical imaging and personalized medicine // Nature Reviews Clinical Oncology. 2017. Vol. 14, No. 12. Р. 749–762. doi: 10.1038/nrclinonc.2017.141.

5. Shaikh F., Franc B., Mulero F. Radiomics as Applied in Precision Medicine // Clinical Nuclear Medicine. Ahmadzadehfar H., Biersack H.J., Freeman L.M., Zuckier L.S., eds. 2nd ed. Springer-Verlag Berlin Heidelberg. 2020. Vol. 193–206.

6. Zwanenburg A., Vallières M., Abdalah MA., Aerts H.J.W.L., Andrearczyk V., Apte A., Ashrafinia S., Bakas S., Beukinga RJ., Boellaard R., Bogowicz M., Boldrini L., Buvat I., Cook GJR., Davatzikos C., Depeursinge A., Desseroit MC., Dinapoli N., Dinh CV., Echegaray S., El Naqa I., Fedorov AY., Gatta R., Gillies R.J., Goh V., Götz M., Guckenberger M., Ha S.M., Hatt M., Isensee F., Lambin P., Leger S., Leijenaar R.T.H., Lenkowicz J., Lippert F., Losnegård A., Maier-Hein K.H., Morin O., Müller H., Napel S., Nioche C., Orlhac F., Pati S., Pfaehler EAG., Rahmim A., Rao A.U.K., Scherer J., Siddique M.M., Sijtsema N.M., Socarras Fernandez J., Spezi E., Steenbakkers R.J.H.M., Tanadini-Lang S., Thorwarth D., Troost E.G.C., Upadhaya T., Valentini V., van Dijk LV., van Griethuysen J., van Velden F.H.P., Whybra P., Richter C., Löck S. The Image Biomarker Standardization Initiative: Standardized Quantitative Radiomics for High-Throughput Image-based Phenotyping // Radiology. 2020. Vol. 295, No. 2. Р. 328–338. doi: 10.1148/radiol.2020191145.

7. Mayerhoefer ME., Materka A., Langs G., Häggström I., Szczypiński P., Gibbs P., Cook G. Introduction to Radiomics // The Journal of Nuclear Medicine. 2020. Vol. 61, No. 4. Р. 488–495. doi: 10.2967/jnumed.118.222893.

8. Fedorov A., Beichel R., Kalpathy-Cramer J., Finet J., Fillion-Robin JC., Pujol S., Bauer C., Jennings D., Fennessy F., Sonka M., Buatti J., Aylward S., Miller JV., Pieper S., Kikinis R. 3D Slicer as an image computing platform for the Quantitative Imaging Network // Magnetic Resonance Imaging. 2012. Vol. 30, No. 9. Р. 1323–1341. doi: 10.1016/j.mri.2012.05.001.

9. Mahon R.N., Ghita M., Hugo G.D., Weiss E. ComBat harmonization for radiomic features in independent phantom and lung cancer patient computed tomography datasets // Physics in Medicine and Biology. 2020. Vol. 65, No. 1. Р. 015010. doi: 10.1088/1361–6560/ab6177.

10. Kothari G., Korte J., Lehrer E.J., Zaorsky N.G., Lazarakis S., Kron T., Hardcastle N., Siva S. A systematic review and meta-analysis of the prognostic value of radiomics based models in non-small cell lung cancer treated with curative radiotherapy // Radiotherapy and Oncology. 2021. Vol. 155. Р. 188–203. doi: 10.1016/j.radonc.2020.10.023.

11. Park J.E., Kim H.S., Kim D., Park S.Y., Kim J.Y., Cho S.J., Kim J.H. A systematic review reporting quality of radiomics research in neuro-oncology: toward clinical utility and quality improvement using high-dimensional imaging features // BMC Cancer. 2020. Vol. 20, No. 1. Р. 29. doi: 10.1186/s12885-019-6504-5.

12. Sanduleanu S., Woodruff H.C., de Jong E.E.C., van Timmeren J.E., Jochems A., Dubois L., Lambin P. Tracking tumor biology with radiomics: A systematic review utilizing a radiomics quality score // Radiotherapy and Oncology. 2018. Vol. 127, No. 3. Р. 349–360. doi: 10.1016/j.radonc.2018.03.033

13. Yip S.S., Aerts H.J. Applications and limitations of radiomics // Physics in Medicine and Biology. 2016. Vol. 61, No. 13. Р. R150–166. doi: 10.1088/0031-9155/61/13/R150.

14. Ilyushenkova Yu., Sazonova S., Popov Е. Zavadovsky К. Batalov R., Archakov Е., Moskovskih Т., Popov S., Minin S., Romanov А. Radiomic phenotype of epicardial adipose tissue in the prognosis of atrial fibrillation recurrence after catheter ablation in patients with isolated atrial fibrillation., 2022., PREPRINT (Version 1) available at Research Square. https://doi.org/10.21203/rs.3.rs-1456502/v1.

15. Koskinas K.C., Ughi G.J., Windecker S., Tearney G.J., Räber L. Intracoronary imaging of coronary atherosclerosis: validation for diagnosis., prognosis and treatment // European Heart Journal. 2016. 7. Vol. 37, No. 6. Р. 524–535a-c. doi: 10.1093/eurheartj/ehv642.

16. Меркулова И.Н., Шария М.А., Миронов В.М., Шабанова М.С., Веселова Т.Н., Гаман С.А., Барышева Н.А., Шахнович Р.М., Жукова Н.С., Сухинина Т.Н., Староверов И.И., Терновой С.К. Возможности компьютерной томографии в выявлении атеросклеротических бляшек высокого риска у больных с острым коронарным синдромом без подъема сегмента ST: сопоставление с внутрисосудистым ультразвуковым исследованием // Кардиология. 2020. Т. 60, № 12. С. 64–75.

17. Merkulova I.N., Shariya M.A., Mironov V.M., Shabanova M.S., Veselova T.N., Gaman S.A., Barysheva N.A., Shakhnovich R.M., Zhukova N.S., Sukhinina T.N., Staroverov I.I., Ternovoy S.K. Vozmozhnosti komp’yuternoy tomografii v vyyavlenii ateroskleroticheskikh blyashek vysokogo riska u bol’nykh s ostrym koronarnym sindromom bez pod»yema segmenta ST: sopostavleniye s vnutrisosudistym ul’trazvukovym issledovaniyem // Kardiologiya. 2020. T. 60, No. 12. S. 64–75. https://doi.org/10.18087/cardio.2020.12.n1304.

18. Knuuti J., Wijns W., Saraste A., Capodanno D., Barbato E., Funck-Brentano C., Prescott E., Storey RF., Deaton C., Cuisset T., Agewall S., Dickstein K., Edvardsen T., Escaned J., Gersh BJ., Svitil P., Gilard M., Hasdai D., Hatala R., Mahfoud F., Masip J., Muneretto C., Valgimigli M., Achenbach S., Bax JJ. Vol. ESC Scientific Document Group. 2019 ESC Guidelines for the diagnosis and management of chronic coronary syndromes // European Heart Journal. 2020. Vol. 41, No. 3. Р. 407–477. doi: 10.1093/eurheartj/ehz425.

19. Kolossváry M., Karady J., Szilveszter B., Kitslaar P., Hoffmann U., Merkely B., Maurovich-Horvat P. Radiomic features are superior to conventional quantitative computed tomographic metrics to identify coronary plaques with Napkin-Ring Sign // Circulation: Cardiovascular Imaging. 2017. Vol. 10, No. 12. doi: 10.1161/circimaging.117.006843

20. Kolossváry M., Kellermayer M., Merkely B., Maurovich-Horvat P., Maurovich-Horvat P. Cardiac computed tomography radiomics: a comprehensive review on radiomic techniques // Journal of Thoracic Imaging. 2018. Vol. 33, No. 1. Р. 26–34. doi:10.1097/RTI.0000000000000268

21. Kolossváry M., Park J., Bang J.I., Zhang J., Lee J.M., Paeng J.C., Merkely B., Narula J., Kubo T., Akasaka T., Koo B.K., Maurovich-Horvat P. Identification of invasive and radionuclide imagingmarkers of coronary plaque vulnerability using radiomic analysis of coronary computed tomography angiography // European Heart Journal — Cardiovascular Imaging. 2019. Vol. 20, No. 11. Р. 1250–1258. doi: 10.1093/ehjci/jez033

22. Kolossváry M., De Cecco C.N., Feuchtner G., Maurovich-Horvat P. Advanced atherosclerosis imaging by CT: Radiomics., machine learning and deep learning // Journal of Cardiovascular Computed Tomography. 2019. Vol. 13, No. 5. Р. 274–280. doi: 10.1016/j.jcct.2019.04.007.

23. Варламова Ю.В., Сазонова С.И., Попов Е.В., Баталов Р.Е., Московских Т.В., Попов С.В., Минин С.М., Романов А.Б. Исследование влияния характеристик эпикардиальной жировой ткани и симпатической иннервации миокарда на развитие поздних рецидивов фибрилляции предсердий после радиочастотной аблации // Российский кардиологический журнал. 2021. Т. 26, № 12. е4788. Varlamova Yu.V., Sazonova S.I., Popov Ye.V., Batalov R.Ye., Moskovskikh T.V., Popov S.V., Minin S.M., Romanov A.B. Issledovaniye vliyaniya kharakteristik epikardial’noy zhirovoy tkani i simpaticheskoy innervatsii miokarda na razvitiye pozdnikh retsidivov fibrillyatsii predserdiy posle radiochastotnoy ablatsii // Rossiyskiy kardiologicheskiy zhurnal. 2021. T. 26, No. 12. e4788. doi: 10.15829/1560-4071-2021-4788.

24. Попов Е.В., Анашбаев Ж.Ж., Мальцева А.Н., Сазонова С.И. Радиомические характеристики текстурных изменений эпикардиальной жировой ткани при атеросклеротическом поражении коронарных артерий // Комплексные проблемы сердечно-сосудистых заболеваний. 2021. Т. 10, № 4. С. 6–16. Popov Е.V., Anashbayev Zh.Zh., Mal’tseva A.N., Sazonova S.I. Radiomicheskiye kharakteristiki teksturnykh izmeneniy epikardial’noy zhirovoy tkani pri ateroskleroticheskom porazhenii koronarnykh arteriy // Kompleksnyye problemy serdechno-sosudistykh zabolevaniy. 2021. T. 10, No. 4. S. 6–16. doi: 10.17802/2306-1278-2021-10-4-6-16.

25. Edalat-Javid M., Shiri I., Hajianfar G., Abdollahi H., Arabi H., Oveisi N., Javadian M., Shamsaei Zafarghandi M., Malek H., Bitarafan-Rajabi A., Oveisi M., Zaidi H. Cardiac SPECT radiomic features repeatability and reproducibility: A multi-scanner phantom study // Journal of Nuclear Cardiology. 2021. Vol. 28, No. 6. Р. 2730–2744. doi: 10.1007/s12350-020-02109-0.

26. Jang J., Ngo L.H., Mancio J., Kucukseymen S., Rodriguez J., Pierce P., Goddu B., Nezafat R. Reproducibility of Segmentation-based Myocardial Radiomic Features with Cardiac MRI // Radiology. Cardiothoracic Imaging. 2020. Vol. 2, No. 3. Р. e190216. doi: 10.1148/ryct.2020190216.

27. Khawaja T., Greer C., Thadani S.R., Kato T.S., Bhatia K., Shimbo D., Kontak A., Bokhari S., Einstein A.J., Schulze P.C. Increased regional epicardial fat volume associated with reversible myocardial ischemia in patients with suspected coronary artery disease // Journal of Nuclear Cardiology. 2015. Vol. 22, No. 2. Р. 325–333. doi: 10.1007/s12350-014-0004-4.

28. Kim J.K., Park H.W. Statistical textural features for detection of microcalcifications in digitized mammograms // IEEE Transaction on Medical Imaging. 1999. Vol. 18, No. 3. Р. 231–238. doi: 10.1109/42.764896.

29. Klüner L.V., Oikonomou E.K., Antoniades C. Assessing Cardiovascular Risk by Using the Fat Attenuation Index in Coronary CT Angiography // Radiology. Cardiothoracic Imaging. 2021. Vol. 3, No. 1. Р. e200563. doi: 10.1148/ryct.2021200563.

30. Currie G., Iqbal B., Kiat H. Intelligent Imaging: Radiomics and Artificial Neural Networks in Heart Failure // Journal of Medical Imaging and Radiation Sciences. 2019. Vol. 50, No. 4. Р. 571–574. doi:10.1016/j.jmir.2019.08.006.

31. Oikonomou E.K., Siddique M., Antoniades C. Artificial intelligence in medical imaging: A radiomic guide to precision phenotyping of cardiovascular disease // Cardiovascular Research. 2020. Vol. 116, No. 13. Р. 2040–2054. doi: 10.1093/cvr/cvaa021.

32. Oikonomou E.K., Williams M.C., Kotanidis C.P. et al. A novel machine learning-derived radiotranscriptomic signature of perivascular fat improves cardiac risk prediction using coronary CT-angiography // European Heart Journal. 2019. Vol. 40, No. 43. Р. 3529–3543. doi: 10.1093/eurheartj/ehz592.

33. Spearman J.V., Meinel F.G., Schoepf U.J., Apfaltrer P., Silverman J.R., Krazinski A.W., Canstein C., De Cecco C.N., Costello P., Geyer L.L. Automated quantification of epicardial adipose tissue using CT angiography: evaluation of a prototype software // European Radiology. 2014. Vol. 24, No. 2. Р. 519–526. doi: 10.1007/s00330-013-3052-2.

34. Raisi-Estabragh Z., Izquierdo C., Campello VM., Martin-Isla C., Jaggi A., Harvey N.C., Lekadir K., Petersen S.E. Cardiac magnetic resonance radiomics: basic principles and clinical perspectives // European Heart Journal: Cardiovascular Imaging. 2020. Vol. 21, No. 4. Р. 349–356. doi: 10.1093/ehjci/jeaa028.

35. Baessler B., Luecke C., Lurz J., Klingel K., von Roeder M., de Waha S., Besler C., Maintz D., Gutberlet M., Thiele H., Lurz P. Cardiac MRI Texture Analysis of T1 and T2 Maps in Patients with Infarctlike Acute Myocarditis // Radiology. 2018. Vol. 289, No. 2. Р. 357–365. doi: 10.1148/radiol.2018180411.

36. Cheng K., Lin A., Yuvaraj J., Nicholls S.J., Wong D.T.L. Cardiac Computed Tomography Radiomics for the Non-Invasive Assessment of Coronary Inflammation // Cells. 2021. Vol. 10, No. 4. Р. 879. doi: 10.3390/cells10040879.

37. Chen B.H., An D.A., He J., Wu C.W., Yue T., Wu R., Shi R.Y., Eteer K., Joseph B., Hu J., Xu J.R., Wu L.M., Pu J. Myocardial extracellular volume fraction radiomics analysis for differentiation of reversible versus irreversible myocardial damage and prediction of left ventricular adverse remodeling after ST-elevation myocardial infarction // European Radiology. 2021. Vol. 31, No. 1. Р. 504–514. doi: 10.1007/s00330-020-07117-9.

38. Joshi N.V., Vesey A.T., Williams M.C., Shah A.S., Calvert P.A., Craighead F.H., Yeoh S.E., Wallace W., Salter D., Fletcher A.M., van Beek E.J., Flapan A.D., Uren N.G., Behan M.W., Cruden N.L., Mills N.L., Fox K.A., Rudd J.H., Dweck M.R., Newby D.E. 18F-fluoride positron emission tomography for identification of ruptured and highrisk coronary atherosclerotic plaques: a prospective clinical trial // Lancet. 2014. Vol. 383, No. 9918. Р. 705–713. doi: 10.1016/S0140-6736(13)61754-7.

39. Neisius U., El-Rewaidy H., Nakamori S., Rodriguez J., Manning W.J., Nezafat R. Radiomic Analysis of Myocardial Native T1 Imaging Discriminates Between Hypertensive Heart Disease and Hypertrophic Cardiomyopathy // JACC Cardiovascular Imaging. 2019. Vol. 12, No. 10. Р. 1946–1954. doi: 10.1016/j.jcmg.2018.11.024.

40. Cheng S., Fang M., Cui C., Chen X., Yin G., Prasad SK., Dong D., Tian J., Zhao S. LGE-CMR-derived texture features reflect poor prognosis in hypertrophic cardiomyopathy patients with systolic dysfunction: preliminary results // European Radiology. 2018. Vol. 28, No. 11. Р. 4615–4624. doi: 10.1007/s00330-018-5391-5.

41. Larroza A., López-Lereu M.P., Monmeneu J.V., Gavara J., Chorro F.J., Bodí V., Moratal D. Texture analysis of cardiac cine magnetic resonance imaging to detect nonviable segments in patients with chronic myocardial infarction // Medical Physics. 2018. Vol. 45, No. 4. Р. 1471–1480. doi: 10.1002/mp.12783.

42. Lee S., Han K., Suh Y.J. Quality assessment of radiomics research in cardiac CT: a systematic review // European Radiology. 2022. Vol. 32. P. 3458–3468. doi: 10.1007/s00330-021-08429-0.

43. Ma Q., Ma Y., Wang X., Li S., Yu T., Duan W., Wu J., Wen Z., Jiao Y., Sun Z., Hou Y. A radiomic nomogram for prediction of major adverse cardiac events in STsegment elevation myocardial infarction // European Radiology. 2021. Vol. 31, No. 2. Р. 1140–1150. doi: 10.1007/s00330–020–07176-y.

44. Cetin I., Raisi-Estabragh Z., Petersen S.E., Napel S., Piechnik S.K., Neubauer S., Gonzalez Ballester M.A., Camara O., Lekadir K. Radiomics Signatures of Cardiovascular Risk Factors in Cardiac MRI: Results From the UK Biobank // Frontiers in Cardiovascular Medicine. 2020. 2. Vol. 7. Р. 591368. doi: 10.3389/fcvm.2020.591368.

45. Ginsburg G.S., Donahue M.P., Newby L.K. Prospects for personalized cardiovascular medicine: the impact of genomics // Journal of the American College of Cardiology. 2005. Vol. 46, No. 9. Р. 1615–1627. doi: 10.1016/j.jacc.2005.06.075.

46. Radiomics Analysis of Clinical Myocardial Perfusion Stress SPECT Images to Identify Coronary Artery Calcification. Ashrafinia S., Dalaie P., Sadaghiani M.S., Schindler T.H., Pomper М.G., Rahmim А // medRxiv 2021.01.29.21250803. doi: https://doi.org/10.1101/2021.01.29.21250803.

47. Baeßler B., Mannil M., Maintz D., Alkadhi H., Manka R. Texture analysis and machine learning of non-contrast T1-weighted MR images in patients with hypertrophic cardiomyopathy-Preliminary results // European Journal of Radiology. 2018. Vol. 102. Р. 61–67. doi: 10.1016/j.ejrad.2018.03.013.

48. Dey D., Wong N.D., Tamarappoo B., Nakazato R., Gransar H., Cheng V.Y., Ramesh A., Kakadiaris I., Germano G., Slomka P.J., Berman D.S. Computer-aided noncontrast CT-based quantification of pericardial and thoracic fat and their associations with coronary calcium and Metabolic Syndrome // Atherosclerosis. 2010. Vol. 209, No. 1. Р. 136–141. doi: 10.1016/j.atherosclerosis.2009.08.032.

49. Kolossváry M., Jávorszky N., Karády J., Vecsey-Nagy M., Dávid T.Z., Simon J., Szilveszter B., Merkely B., Maurovich-Horvat P. Effect of vessel wall segmentation on volumetric and radiomic parameters of coronary plaques with adverse characteristics // Journal of Cardiovascular Computed Tomography. 2021. Vol. 15, No. 2. Р. 137–145. doi: 10.1016/j.jcct.2020.08.001.

50. Kolossváry M., Szilveszter B., Karády J., Drobni Z.D., Merkely B., Maurovich-Horvat P. Effect of image reconstruction algorithms on volumetric and radiomic parameters of coronary plaques // Journal of Cardiovascular Computed Tomography. 2019. Vol. 13, No. 6. Р. 325–330. doi: 10.1016/j.jcct.2018.11.004.

51. Kolossváry M., Karády J., Kikuchi Y., Ivanov A., Schlett C.L., Lu M.T., Foldyna B., Merkely B., Aerts H.J., Hoffmann U., Maurovich-Horvat P. Radiomics versus Visual and Histogram-based Assessment to Identify Atheromatous Lesions at Coronary CT Angiography: An ex Vivo Study // Radiology. 2019. Vol. 293, No. 1. Р. 89–96. doi: 10.1148/radiol.2019190407.