Radiomic analysis of epicardial adipose tissue in cardiac MRI to improve cardiac risk assessment

This study aims to improve the assessment of the risk of cardiac hospitalization and death by selecting the best set of radiomic features extracted from magnetic resonance images of epicardial fat. Radiomic features were extracted from MRI images of 560 patients, and the best set of features was determined by feature selection methods. A signature was created for each patient using Cox multivariate model, then the log-rank test was used to evaluate the ability of the signatures to divide high- and low-risk patients. The results of the survival analysis show that the signatures created for both hospitalization and death can be associated with the risk of the cardiac event (p-value<0.05 in the log-rank test). This study allows us to find a workflow to select a set of radiomic features and create a radiomic signature able to divide the population into two groups according to the risk of hospitalization and cardiac death.

L’obiettivo di questo studio è quello di migliorare la valutazione del rischio di ospedalizzazione e morte per motivi cardiaci attraverso la selezione delle migliori features radiomiche estratte dalle immagini di risonanza magnetica di grasso epicardico. Per raggiungere questo obbiettivo sono state estratte delle features radiomiche da immagini di risonanza magnetica effettuate su 560 pazienti, tra le features ottenute sono state selezionete le più rilevanti attraverso l’utilizzo di metodi di feature selection. Per ogni paziente è stata poi calcolata una signature radiomica utilizzando un Cox model multivariato, e successivamente con il log-rank test è stata valutata la capacità della signature ottenuta di dividere i pazienti in due gruppi, uno ad alto e uno a basso rischio. I risultati dell’analisi di sopravvivenza mostrano che le signatures create, sia per l’ospedalizzazione che per la morte causate da eventi cardiaci, potrebbero essere dei buoni predittori di rischio avendo ottenuto in entrambi i casi p-value significativi (<0.05) nel log-rank test. Questo studio permette di individuare un processo per selezionare un insieme di features estratte dalle immagini di risonanza magnetica del gr per creare una signature radiomica che permetta di dividere la popolazione in due gruppi in base al rischio di ospedalizzazione e morte per motivi cardiaci.