Purpose To assess the incremental value of diffusion-weighted (DW) magnetic resonance (MR) imaging over T2-weighted MR imaging at 3 T for prostate cancer detection and to investigate the use of the apparent diffusion coefficient (ADC) to characterize tumor aggressiveness, with whole-mount step-section pathologic analysis as the reference standard. Materials and Methods The Internal Review Board approved this HIPAA-compliant retrospective study and waived informed consent. Fifty-one patients with prostate cancer (median age, 58 years; range, 46–74 years) underwent T2-weighted MR imaging and DW MR imaging (b values: 0 and 700 sec/mm2 [n = 20] or 0 and 1000 sec/mm2 [n = 31]) followed by prostatectomy. The prostate was divided into 12 regions; two readers provided a score for each region according to their level of suspicion for the presence of cancer on a five-point scale, first using T2-weighted MR imaging alone and then using T2-weighted MR imaging and the ADC map in conjunction. Areas under the receiver operating characteristic curve (AUCs) were estimated to evaluate performance. Generalized estimating equations were used to test the ADC difference between benign and malignant prostate regions and the association between ADCs and tumor Gleason scores. Results For tumor detection, the AUCs for readers 1 and 2 were 0.79 and 0.76, respectively, for T2-weighted MR imaging and 0.79 and 0.78, respectively, for T2-weighted MR imaging plus the ADC map. Mean ADCs for both cancerous and healthy prostatic regions were lower when DW MR imaging was performed with a b value of 1000 sec/mm2 rather than 700 sec/mm2. Regardless of the b value used, there was a significant difference in the mean ADC between malignant and benign prostate regions. A lower mean ADC was significantly associated with a highertumor Gleason score (mean ADCs of [1.21, 1.10, 0.87, and 0.69] × 10−3 mm2/sec were associated with Gleason score of 3 + 3, 3 + 4, 4 + 3, and 8 or higher, respectively; P = .017). Conclusion Combined DW and T2-weighted MR imaging had similar performance to T2-weighted MR imaging alone for tumor detection; however, DW MR imaging provided additional quantitative information that significantly correlated with prostate cancer aggressiveness. © RSNA, 2011

To investigate Haralick texture analysis of prostate MRI for cancer detection and differentiating Gleason scores (GS).One hundred and forty-seven patients underwent T2- weighted (T2WI) and diffusion-weighted prostate MRI. Cancers ≥0.5 ml and non-cancerous peripheral (PZ) and transition (TZ) zone tissue were identified on T2WI and apparent diffusion coefficient (ADC) maps, using whole-mount pathology as reference. Texture features (Energy, Entropy, Correlation, Homogeneity, Inertia) were extracted and analysed using generalized estimating equations.PZ cancers (n = 143) showed higher Entropy and Inertia and lower Energy, Correlation and Homogeneity compared to non-cancerous tissue on T2WI and ADC maps (p-values: <.0001-0.008). In TZ cancers (n = 43) we observed significant differences for all five texture features on the ADC map (all p-values: <.0001) and for Correlation (p = 0.041) and Inertia (p = 0.001) on T2WI. On ADC maps, GS was associated with higher Entropy (GS 6 vs. 7: p = 0.0225; 6 vs. >7: p = 0.0069) and lower Energy (GS 6 vs. 7: p = 0.0116, 6 vs. >7: p = 0.0039). ADC map Energy (p = 0.0102) and Entropy (p = 0.0019) were significantly different in GS ≤3 + 4 versus ≥4 + 3 cancers; ADC map Entropy remained significant after controlling for the median ADC (p = 0.0291).Several Haralick-based texture features appear useful for prostate cancer detection and GS assessment.• Several Haralick texture features may differentiate non-cancerous and cancerous prostate tissue. • Tumour Energy and Entropy on ADC maps correlate with Gleason score. • T2w-image-derived texture features are not associated with the Gleason score.

Purpose To investigate the value of T2-weighted-based radiomics compared with qualitative assessment at T2-weighted imaging and diffusion-weighted (DW) imaging for diagnosis of clinical complete response in patients with rectal cancer after neoadjuvant chemotherapy-radiation therapy (CRT). Materials and Methods This retrospective study included 114 patients with rectal cancer who underwent magnetic resonance (MR) imaging after CRT between March 2012 and February 2016. Median age among women (47 of 114, 41%) was 55.9 years (interquartile range, 45.4-66.7 years) and median age among men (67 of 114, 59%) was 55 years (interquartile range, 48-67 years). Surgical histopathologic analysis was the reference standard for pathologic complete response (pCR). For qualitative assessment, two radiologists reached a consensus. For radiomics, one radiologist segmented the volume of interest on high-spatial-resolution T2-weighted images. A random forest classifier was trained to separate the patients by their outcomes after balancing the number of patients in each response category by using the synthetic minority oversampling technique. Statistical analysis was performed by using the Wilcoxon rank-sum test, McNemar test, and Benjamini-Hochberg method. Results Twenty-one of 114 patients (18%) achieved pCR. The radiomic classifier demonstrated an area under the curve of 0.93 (95% confidence interval [CI]: 0.87, 0.96), sensitivity of 100% (95% CI: 0.84, 1), specificity of 91% (95% CI: 0.84, 0.96), positive predictive value of 72% (95% CI: 0.53, 0.87), and negative predictive value of 100% (95% CI: 0.96, 1). The diagnostic performance of radiomics was significantly higher than was qualitative assessment at T2-weighted imaging or DW imaging alone (P < .02). The specificity and positive predictive values were significantly higher in radiomics than were at combined T2-weighted and DW imaging (P < .0001). Conclusion T2-weighted-based radiomics showed better classification performance compared with qualitative assessment at T2-weighted and DW imaging for diagnosing pCR in patients with locally advanced rectal cancer after CRT. © RSNA, 2018 Online supplemental material is available for this article.

Purpose To evaluate the relationship between prostate cancer aggressiveness and histogram-derived apparent diffusion coefficient (ADC) parameters obtained from whole-lesion assessment of diffusion-weighted magnetic resonance (MR) imaging of the prostate and to determine which ADC metric may help best differentiate low-grade from intermediate- or high-grade prostate cancer lesions. Materials and Methods The institutional review board approved this retrospective HIPAA-compliant study of 131 men (median age, 60 years) who underwent diffusion-weighted MR imaging before prostatectomy for prostate cancer. Clinically significant tumors (tumor volume > 0.5 mL) were identified at whole-mount step-section histopathologic examination, and Gleason scores of the tumors were recorded. A volume of interest was drawn around each significant tumor on ADC maps. The mean, median, and 10th and 25th percentile ADCs were determined from the whole-lesion histogram and correlated with the Gleason score by using the Spearman correlation coefficient (ρ). The ability of each parameter to help differentiate tumors with a Gleason score of 6 from those with a Gleason score of at least 7 was assessed by using the area under the receiver operating characteristic curve (Az). Results In total, 116 clinically significant lesions (89 in the peripheral zone, 27 in the transition zone) were identified in 85 of the 131 patients (65%). Forty-six patients did not have a clinically significant lesion. For mean ADC, median ADC, 10th percentile ADC, and 25th percentile ADC, the Spearman ρ values for correlation with Gleason score were −0.31, −0.30, −0.36, and −0.35, respectively, whereas the Az values for differentiating lesions with a Gleason score of 6 from those with a Gleason score of at least 7 were 0.704, 0.692, 0.758, and 0.723, respectively. The Az of 10th percentile ADC was significantly higher than that of the mean ADC for all lesions and peripheral zone lesions (P = .0001). Conclusion When whole-lesion histograms were used to derive ADC parameters, 10th percentile ADC correlated with Gleason score better than did other ADC parameters, suggesting that 10th percentile ADC may prove to be optimal for differentiating low-grade from intermediate- or high-grade prostate cancer with diffusion-weighted MR imaging. © RSNA, 2013

No AccessJournal of UrologyAdult Urology1 Nov 2012Magnetic Resonance Imaging for Predicting Prostate Biopsy Findings in Patients Considered for Active Surveillance of Clinically Low Risk Prostate Cancer Hebert Alberto Vargas, Oguz Akin, Asim Afaq, Debra Goldman, Junting Zheng, Chaya S. Moskowitz, Amita Shukla-Dave, James Eastham, Peter Scardino, and Hedvig Hricak Hebert Alberto VargasHebert Alberto Vargas Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York Supported by the Peter Michael Foundation. More articles by this author , Oguz AkinOguz Akin Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author , Asim AfaqAsim Afaq Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author , Debra GoldmanDebra Goldman Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author , Junting ZhengJunting Zheng Department of Epidemiology and Biostatistics, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author , Chaya S. MoskowitzChaya S. Moskowitz Department of Epidemiology and Biostatistics, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author , Amita Shukla-DaveAmita Shukla-Dave Department of Medical Physics, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author , James EasthamJames Eastham Department of Surgery, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author , Peter ScardinoPeter Scardino Department of Surgery, Memorial Sloan-Kettering Cancer Center, New York, New York Equal study contribution. More articles by this author , and Hedvig HricakHedvig Hricak Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York Equal study contribution. More articles by this author View All Author Informationhttps://doi.org/10.1016/j.juro.2012.07.024AboutFull TextPDF ToolsAdd to favoritesDownload CitationsTrack CitationsPermissionsReprints ShareFacebookLinked InTwitterEmail Abstract Purpose: A barrier to the acceptance of active surveillance for men with prostate cancer is the risk of underestimating the cancer burden on initial biopsy. We assessed the value of endorectal magnetic resonance imaging in predicting upgrading on confirmatory biopsy in men with low risk prostate cancer. Materials and Methods: A total of 388 consecutive men (mean age 60.6 years, range 33 to 89) with clinically low risk prostate cancer (initial biopsy Gleason score 6 or less, prostate specific antigen less than 10 ng/ml, clinical stage T2a or less) underwent endorectal magnetic resonance imaging before confirmatory biopsy. Three radiologists independently and retrospectively scored tumor visibility on endorectal magnetic resonance imaging using a 5-point scale (1—definitely no tumor to 5—definitely tumor). Inter-reader agreement was assessed with weighted kappa statistics. Associations between magnetic resonance imaging scores and confirmatory biopsy findings were evaluated using measures of diagnostic performance and multivariate logistic regression. Results: On confirmatory biopsy, Gleason score was upgraded in 79 of 388 (20%) patients. Magnetic resonance imaging scores of 2 or less had a high negative predictive value (0.96–1.0) and specificity (0.95–1.0) for upgrading on confirmatory biopsy. A magnetic resonance imaging score of 5 was highly sensitive for upgrading on confirmatory biopsy (0.87–0.98). At multivariate analysis patients with higher magnetic resonance imaging scores were more likely to have disease upgraded on confirmatory biopsy (odds ratio 2.16–3.97). Inter-reader agreement and diagnostic performance were higher for the more experienced readers (kappa 0.41–0.61, AUC 0.76–0.79) than for the least experienced reader (kappa 0.15–0.39, AUC 0.61–0.69). Magnetic resonance imaging performed similarly in predicting low risk and very low risk (Gleason score 6, less than 3 positive cores, less than 50% involvement in all cores) prostate cancer. Conclusions: Adding endorectal magnetic resonance imaging to the initial clinical evaluation of men with clinically low risk prostate cancer helps predict findings on confirmatory biopsy and assess eligibility for active surveillance. References 1 : Cancer statistics, 2011: the impact of eliminating socioeconomic and racial disparities on premature cancer deaths. CA Cancer J Clin2011; 61: 212. Google Scholar 2 : Declining death rates reflect progress against cancer. PLoS One2010; 5: e9584. Google Scholar 3 : Lead time and overdiagnosis in prostate-specific antigen screening: importance of methods and context. J Natl Cancer Inst2009; 101: 374. Google Scholar 4 : Active surveillance for prostate cancer. JAMA2010; 304: 2411. Google Scholar 5 : Clinical results of long-term follow-up of a large, active surveillance cohort with localized prostate cancer. J Clin Oncol2010; 28: 126. Google Scholar 6 : Outcomes of men with screen-detected prostate cancer eligible for active surveillance who were managed expectantly. Eur Urol2009; 55: 1. Google Scholar 7 : Active surveillance for the management of prostate cancer in a contemporary cohort. Cancer2008; 112: 2664. Google Scholar 8 : Active surveillance for prostate cancers detected in three subsequent rounds of a screening trial: characteristics, PSA doubling times, and outcome. Eur Urol2007; 51: 1244. Google Scholar 9 : Careful selection and close monitoring of low-risk prostate cancer patients on active surveillance minimizes the need for treatment. Eur Urol2010; 58: 831. Google Scholar 10 : NCCN Clinical Practice Guidelines in Oncology for Prostate Cancer, v2.2010. http://www.nccn.org/professionals/physician_gls/pdf/prostate.pdf. Accessed June 6, 2010. Google Scholar 11 : NCCN Clinical Practice Guidelines in Oncology for Prostate Cancer, v3.2011. http://www.nccn.org/professionals/physician_gls/pdf/prostate.pdf. Accessed May 25, 2011. Google Scholar 12 : The contemporary concept of significant versus insignificant prostate cancer. Eur Urol2011; 60: 291. Google Scholar 13 : Pathological upgrading and up staging with immediate repeat biopsy in patients eligible for active surveillance. J Urol2008; 180: 1964. Link, Google Scholar 14 : Clinical stage T1c prostate cancer: evaluation with endorectal MR imaging and MR spectroscopic imaging. Radiology2009; 253: 425. Google Scholar 15 : The utility of magnetic resonance imaging and spectroscopy for predicting insignificant prostate cancer: an initial analysis. BJU Int2007; 99: 786. Google Scholar 16 : Multiparametric MRI is helpful to predict tumor focality, stage, and size in patients diagnosed with unilateral low-risk prostate cancer. Prostate Cancer Prostatic Dis2011; 14: 232. Google Scholar 17 : Diffusion-weighted endorectal MR imaging at 3 T for prostate cancer: tumor detection and assessment of aggressiveness. Radiology2011; 259: 775. Google Scholar 18 : Intermixed normal tissue within prostate cancer: effect on MR imaging measurements of apparent diffusion coefficient and T2–sparse versus dense cancers. Radiology2008; 249: 900. Google Scholar 19 : Large-sample standard errors of kappa and weighted kappa. Psychol Bull1969; 72: 323. Google Scholar 20 : The measurement of observer agreement for categorical data. Biometrics1977; 33: 159. Crossref, Medline, Google Scholar 21 : Expectant management of prostate cancer with curative intent: an update of the Johns Hopkins experience. J Urol2007; 178: 2359. Link, Google Scholar 22 : Prospective evaluation of selection criteria for active surveillance in Japanese patients with stage T1cN0M0 prostate cancer. Jpn J Clin Oncol2008; 38: 122. Google Scholar 23 : Prostate cancer: detection of extracapsular extension by genitourinary and general body radiologists at MR imaging. Radiology2004; 232: 140. Google Scholar 24 : Magnetic resonance imaging does not improve the prediction of misclassification of prostate cancer patients eligible for active surveillance when the most stringent selection criteria are based on the saturation biopsy scheme. BJU Int2011; 108: 513. Google Scholar 25 : Biochemical outcome after radical prostatectomy, external beam radiation therapy, or interstitial radiation therapy for clinically localized prostate cancer. JAMA1998; 280: 969. Google Scholar 26 : Pathologic and clinical findings to predict tumor extent of nonpalpable (stage T1c) prostate cancer. JAMA1994; 271: 368. Crossref, Medline, Google Scholar 27 : Comparison of phased-array 3.0-T and endorectal 1.5-T magnetic resonance imaging in the evaluation of local staging accuracy for prostate cancer. J Comput Assist Tomogr2007; 31: 534. Google Scholar 28 : Impact of multiparametric endorectal coil prostate magnetic resonance imaging on disease reclassification among active surveillance candidates: a prospective cohort study. J Urol2012; 187: 1247. Link, Google Scholar © 2012 by American Urological Association Education and Research, Inc.FiguresReferencesRelatedDetailsCited byLiss M, Newcomb L, Zheng Y, Garcia M, Filson C, Boyer H, Brooks J, Carroll P, Cooperberg M, Ellis W, Gleave M, Martin F, Morgan T, Nelson P, Wagner A, Thompson I and Lin D (2020) Magnetic Resonance Imaging for the Detection of High Grade Cancer in the Canary Prostate Active Surveillance StudyJournal of Urology, VOL. 204, NO. 4, (701-706), Online publication date: 1-Oct-2020.Taneja S (2020) Re: Utility of Multiparametric Magnetic Resonance Imaging in the Risk Stratification of Men with Grade Group 1 Prostate Cancer on Active SurveillanceJournal of Urology, VOL. 204, NO. 2, (386-386), Online publication date: 1-Aug-2020.Tan N, Shen L, Khoshnoodi P, Alcalá H, Yu W, Hsu W, Reiter R, Lu D and Raman S (2017) Pathological and 3 Tesla Volumetric Magnetic Resonance Imaging Predictors of Biochemical Recurrence after Robotic Assisted Radical Prostatectomy: Correlation with Whole Mount HistopathologyJournal of Urology, VOL. 199, NO. 5, (1218-1223), Online publication date: 1-May-2018. (2017) Reply by AuthorsJournal of Urology, VOL. 198, NO. 3, (710-711), Online publication date: 1-Sep-2017.Taneja S (2016) Re: Magnetic Resonance Imaging-Ultrasound Fusion Biopsy during Prostate Cancer Active SurveillanceJournal of Urology, VOL. 197, NO. 2, (400-401), Online publication date: 1-Feb-2017.Recabal P, Assel M, Sjoberg D, Lee D, Laudone V, Touijer K, Eastham J, Vargas H, Coleman J and Ehdaie B (2016) The Efficacy of Multiparametric Magnetic Resonance Imaging and Magnetic Resonance Imaging Targeted Biopsy in Risk Classification for Patients with Prostate Cancer on Active SurveillanceJournal of Urology, VOL. 196, NO. 2, (374-381), Online publication date: 1-Aug-2016.Taneja S (2016) Re: Nine-Year Follow-up for a Study of Diffusion-Weighted Magnetic Resonance Imaging in a Prospective Prostate Cancer Active Surveillance CohortJournal of Urology, VOL. 195, NO. 6, (1781-1782), Online publication date: 1-Jun-2016.Satasivam P, Poon B, Ehdaie B, Vickers A and Eastham J (2015) Can Confirmatory Biopsy be Omitted in Patients with Prostate Cancer Favorable Diagnostic Features on Active Surveillance?Journal of Urology, VOL. 195, NO. 1, (74-79), Online publication date: 1-Jan-2016.Anderson C, Sternberg I, Karen-Paz G, Kim P, Sjoberg D, Vargas H, Touijer K, Eastham J and Ehdaie B (2015) Age is Associated with Upgrading at Confirmatory Biopsy among Men with Prostate Cancer Treated with Active SurveillanceJournal of Urology, VOL. 194, NO. 6, (1607-1611), Online publication date: 1-Dec-2015.Pham K, Porter C, Odem-Davis K, Wolff E, Jeldres C, Wei J and Morgan T (2015) Transperineal Template Guided Prostate Biopsy Selects Candidates for Active Surveillance—How Many Cores are Enough?Journal of Urology, VOL. 194, NO. 3, (674-679), Online publication date: 1-Sep-2015.Ouzzane A, Renard-Penna R, Marliere F, Mozer P, Olivier J, Barkatz J, Puech P and Villers A (2015) Magnetic Resonance Imaging Targeted Biopsy Improves Selection of Patients Considered for Active Surveillance for Clinically Low Risk Prostate Cancer Based on Systematic BiopsiesJournal of Urology, VOL. 194, NO. 2, (350-356), Online publication date: 1-Aug-2015.Bjurlin M, Meng X, Le Nobin J, Wysock J, Lepor H, Rosenkrantz A and Taneja S (2014) Optimization of Prostate Biopsy: the Role of Magnetic Resonance Imaging Targeted Biopsy in Detection, Localization and Risk AssessmentJournal of Urology, VOL. 192, NO. 3, (648-658), Online publication date: 1-Sep-2014.Song S, Pak S, Park S, Song C, Jeong I, Choi H, Kim J, Cho K, Kim C and Ahn H (2014) Predictors of Unfavorable Disease after Radical Prostatectomy in Patients at Low Risk by D'Amico Criteria: Role of Multiparametric Magnetic Resonance ImagingJournal of Urology, VOL. 192, NO. 2, (402-408), Online publication date: 1-Aug-2014.Hu J, Chang E, Natarajan S, Margolis D, Macairan M, Lieu P, Huang J, Sonn G, Dorey F and Marks L (2014) Targeted Prostate Biopsy to Select Men for Active Surveillance: Do the Epstein Criteria Still Apply?Journal of Urology, VOL. 192, NO. 2, (385-390), Online publication date: 1-Aug-2014.Vellekoop A, Loeb S, Folkvaljon Y and Stattin P (2013) Population Based Study of Predictors of Adverse Pathology among Candidates for Active Surveillance with Gleason 6 Prostate CancerJournal of Urology, VOL. 191, NO. 2, (350-357), Online publication date: 1-Feb-2014.Villers A and Puech P (2013) When and How Should Magnetic Resonance Imaging be Used in Evaluation of the Patient with Prostate Cancer or Increased Prostate Specific Antigen?Journal of Urology, VOL. 190, NO. 5, (1641-1642), Online publication date: 1-Nov-2013.Rais-Bahrami S, Siddiqui M, Turkbey B, Stamatakis L, Logan J, Hoang A, Walton-Diaz A, Vourganti S, Truong H, Kruecker J, Merino M, Wood B, Choyke P and Pinto P (2013) Utility of Multiparametric Magnetic Resonance Imaging Suspicion Levels for Detecting Prostate CancerJournal of Urology, VOL. 190, NO. 5, (1721-1727), Online publication date: 1-Nov-2013.Kuru T, Roethke M, Seidenader J, Simpfendörfer T, Boxler S, Alammar K, Rieker P, Popeneciu V, Roth W, Pahernik S, Schlemmer H, Hohenfellner M and Hadaschik B (2013) Critical Evaluation of Magnetic Resonance Imaging Targeted, Transrectal Ultrasound Guided Transperineal Fusion Biopsy for Detection of Prostate CancerJournal of Urology, VOL. 190, NO. 4, (1380-1386), Online publication date: 1-Oct-2013.Ploussard G (2012) How Much Should We Pursue an Elevated Prostate Specific Antigen?Journal of Urology, VOL. 188, NO. 5, (1658-1659), Online publication date: 1-Nov-2012.Steers W (2012) This Month in Adult UrologyJournal of Urology, VOL. 188, NO. 5, (1649-1650), Online publication date: 1-Nov-2012. Volume 188 Issue 5 November 2012 Page: 1732-1738 Supplementary Materials Advertisement Copyright & Permissions© 2012 by American Urological Association Education and Research, Inc.Keywordsmagnetic resonance imagingprostatic neoplasmswatchful waitingAcknowledgmentsMs. Ada Muellner provided editorial assistance.Metrics Author Information Hebert Alberto Vargas Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York Supported by the Peter Michael Foundation. More articles by this author Oguz Akin Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author Asim Afaq Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author Debra Goldman Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author Junting Zheng Department of Epidemiology and Biostatistics, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author Chaya S. Moskowitz Department of Epidemiology and Biostatistics, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author Amita Shukla-Dave Department of Medical Physics, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author James Eastham Department of Surgery, Memorial Sloan-Kettering Cancer Center, New York, New York More articles by this author Peter Scardino Department of Surgery, Memorial Sloan-Kettering Cancer Center, New York, New York Equal study contribution. More articles by this author Hedvig Hricak Department of Radiology, Memorial Sloan-Kettering Cancer Center, New York, New York Equal study contribution. More articles by this author Expand All Advertisement PDF downloadLoading ...

Background:High grade serous ovarian carcinoma shows marked intra-tumoral heterogeneity which is associated with decreased survival and resistance to platinum-based chemotherapy. Pre-treatment quantification of spatial tumor heterogeneity by multiple tissue sampling is not clinically feasible. Using standard-of-care CT imaging to non-invasively quantify heterogeneity could have high clinical utility and would be highly cost-effective. Texture analysis measures local variations in computed tomography (CT) image intensity. Haralick texture methods are typically used to capture the heterogeneity of entire lesions; however, this neglects the possible presence of texture habitats within the lesion, and the differences between metastatic sites. The primary aim of this study was to develop texture analysis of intra-site and inter-site spatial heterogeneity from standard-of-care CT images and to correlate these measures with clinical and genomic features in patients with HGSOC. Methods and Findings: We analyzed the data from a retrospective cohort of 84 patients with HGSOC consisting of 46 patients from Memorial Sloan Kettering Cancer Center (MSKCC) and 38 non-MSKCC cases selected from The Cancer Imaging Archive (TCIA). Inclusion criteria consisted of FIGO stage II--IV HGSOC, attempted primary cytoreductive surgery, intravenous contrast-enhanced CT of abdomen and pelvis performed prior to surgery and availability of molecular tumor data analysed as per the Cancer Genome Atlas (TCGA) Research Network ovarian cancer project. Manual segmentation and image analysis was performed on 463 metastatic tumor sites from 84 patients. In the MSKCC cohort the median number of tumor sites was 7 (interquartile range 5--9) and 4 (interquartile range 3--4) in the TCIA patients. Sub-regions were produced within each tumor site by grouping voxels with similar Haralick texture using the Kernel K-means method. We derived statistical measures of intra- and inter-site tumor heterogeneity (IISTH) including cluster sites entropy (cSE), cluster sites standard deviation (cluDev) and cluster sites dissimilarity (cluDiss) from sub-regions identified within and between individual tumor sites. Unsupervised clustering was used to group patient IISTH measures into low, medium, high, and ultra-high heterogeneity clusters from each cohort. The IISTH measure cluDiss was an independent predictor of progression-free survival (PFS) in multivariable analysis in both datasets (MSKCC hazard ratio [HR] 1.04, 95% CI 1.01--1.06, P = 0.002; TCIA HR 1.05, 95% CI 1.00--1.10, P = 0.049). Low and medium IISTH clusters were associated with longer PFS in multivariable analysis (MSKCC HR 2.94, 90% CI 1.29--6.70, P = 0.009, TCIA HR 5.94, 95% CI 1.05--33.6, P = 0.044). IISTH measures were robust to differences in the CT imaging systems. Average Haralick textures contrast (TCIA HR 1.08, 95% CI 1.01--1.10, P = 0.019) and homogeneity (TCIA HR 1.09, 95% CI 1.02--1.16, P = 0.008) were associated with PFS in mutivariate analysis only in the TCIA dataset. All other average Haralick textures and total tumor volume were not associated with PFS in either dataset. Conclusions: Texture measures of intra- and inter-site tumor heterogeneity from standard of care CT images are correlated with shorter PFS in HGSOC patients. These quantitative methods are independent of the CT imaging system and can thus be applied in clinical practice. The methodology proposed here enables the non-invasive quantification of intra-tumoral heterogeneity and disease stratification for future experimental medicine studies and clinical trials, particularly in cases where total tumour volume and averaged textures have low predictive power.