Development of a diagnostic artificial intelligence tool for lateral lymph node metastasis in advanced rectal cancer

Abstract

BACKGROUND: Metastatic lateral lymph node dissection can improve survival in patients with rectal adenocarcinoma, with or without chemoradiotherapy. However, the optimal imaging diagnostic criteria for lateral lymph node metastases remain undetermined. OBJECTIVE: To develop a lateral lymph node metastasis diagnostic artificial intelligence tool using deep learning, for patients with rectal adenocarcinoma who underwent radical surgery and lateral lymph node dissection. DESIGN: Retrospective study. SETTINGS: Multicenter study. PATIENTS: A total of 209 patients with rectal adenocarcinoma, who underwent radical surgery and lateral lymph node dissection at 15 participating hospitals, were enrolled in the study and allocated to training (n = 139), test (n = 17), or validation (n = 53) cohorts. MAIN OUTCOME MEASURES: In the neoadjuvant treatment group, images taken before pretreatment were classified as baseline images and those taken after pretreatment as presurgery images. In the upfront surgery group, presurgery images were classified as both baseline and presurgery images. We constructed 2 types of artificial intelligence, using baseline and presurgery images, by inputting the patches from these images into ResNet-18, and we assessed their diagnostic accuracy. RESULTS: Overall, 124 patients underwent surgery alone, 52 received neoadjuvant chemotherapy, and 33 received chemoradiotherapy. The number of resected lateral lymph nodes in the training, test, and validation cohorts was 2418, 279, and 850, respectively. The metastatic rates were 2.8%, 0.7%, and 3.7%, respectively. In the validation cohort, the precision-recall area under the curve was 0.870 and 0.963 for the baseline and presurgery images, respectively. Although both baseline and presurgery images provided good accuracy for diagnosing lateral lymph node metastases, the accuracy of presurgery images was better than that of baseline images. LIMITATIONS: The number of cases is small. CONCLUSIONS: An artificial intelligence tool is a promising tool for diagnosing lateral lymph node metastasis with high accuracy. DESARROLLO DE UNA HERRAMIENTA DE INTELIGENCIA ARTIFICIAL PARA EL DIAGNÓSTICO DE METÁSTASIS EN GANGLIOS LINFÁTICOS LATERALES EN CÁNCER DE RECTO AVANZADO ANTECEDENTES: Disección de nódulos linfáticos laterales metastásicos puede mejorar la supervivencia en pacientes con adenocarcinoma del recto, con o sin quimiorradioterapia. Sin embargo, aún no se han determinado los criterios óptimos de diagnóstico por imágenes de los nódulos linfáticos laterales metastásicos. OBJETIVO: Nuestro objetivo fue desarrollar una herramienta de inteligencia artificial para el diagnóstico de metástasis en nódulos linfáticos laterales mediante el aprendizaje profundo, para pacientes con adenocarcinoma del recto que se sometieron a cirugía radical y disección de nódulos linfáticos laterales. DISEÑO: Estudio retrospectivo. AJUSTES: Estudio multicéntrico. PACIENTES: Un total de 209 pacientes con adenocarcinoma del recto, que se sometieron a cirugía radical y disección de nódulos linfáticos laterales en 15 hospitales participantes, se inscribieron en el estudio y se asignaron a cohortes de entrenamiento (n = 139), prueba (n = 17) o validación (n = 53). PRINCIPALES MEDIDAS DE RESULTADO: En el grupo de tratamiento neoadyuvante, las imágenes tomadas antes del tratamiento se clasificaron como imágenes de referencia y las posteriores al tratamiento, como imágenes previas a la cirugía. En el grupo de cirugía inicial, las imágenes previas a la cirugía se clasificaron como imágenes de referencia y previas a la cirugía. Construimos dos tipos de inteligencia artificial, utilizando imágenes de referencia y previas a la cirugía, ingresando los parches de estas imágenes en ResNet-18. Evaluamos la precisión diagnóstica de los dos tipos de inteligencia artificial. RESULTADOS: En general, 124 pacientes se sometieron a cirugía solamente, 52 recibieron quimioterapia neoadyuvante y 33 recibieron quimiorradioterapia. El número de nódulos linfáticos laterales removidos en los cohortes de entrenamiento, prueba y validación fue de 2,418; 279 y 850, respectivamente. Las tasas metastásicas fueron 2.8%, 0.7%, y 3.7%, respectivamente. En el cohorte de validación, el área de recuperación de precisión bajo la curva fue de 0.870 y 0.963 para las imágenes de referencia y antes de la cirugía, respectivamente. Aunque tanto las imágenes previas a la cirugía como las iniciales proporcionaron una buena precisión para diagnosticar metástasis en los nódulos linfáticos laterales, la precisión de las imágenes previas a la cirugía fue mejor que la de las imágenes iniciales. LIMITACIONES: El número de casos es pequeño. CONCLUSIÓN: La inteligencia artificial es una herramienta prometedora para diagnosticar metástasis en los nódulos linfáticos laterales con alta precisión. (Traducción—Dr. Aurian Garcia Gonzalez)

Risk factors and development of machine learning diagnostic models for lateral lymph node metastasis in rectal cancer: multicentre study

“…However, the machine learning models developed in this study are not universal, and the field of AI is ever-evolving. Additionally, novel methods for LLNM diagnosis, such as molecular profiling and AI-based imaging, are being investigated 34 , 35 . Therefore, machine learning that combines multiple risk factors for LLNM is considered a useful method, and models should be constantly improved.…”