Dosiomics analysis to predict local recurrence in patients affected by skull-base chordoma treated with proton therapy

Skull-base chordoma (SBC) is a rare and radioresistant tumour and its complete surgical resection is often unfeasible. Particle therapy with proton beams is a promising approach to control SBC tumour progression thanks to its improved physical properties (i.e. linear energy transfer, LET) and radiobiological effectiveness (RBE) with respect to conventional radiotherapy. At the same time, the extraction of quantitative features from patient-specific medical imaging has become a promising approach for treatment outcome prediction. Quantitative features can in principle be extracted from any volumetric map, such as also dose maps defined during the radiotherapy treatment planning, with the so-called dosiomics framework. The purpose of this thesis was to investigate dosiomics in predicting local recurrence for SBCs patients treated with proton therapy, by exploring how different features extraction settings can influence model’s performance. Features were extracted from dose-averaged LET (LETd), physical and RBE-weighted dose maps by varying the setting of parameters related to dose map intensity discretization (binwidth/bincount), and then fed into a prediction model of local recurrences. Two features selection approaches have been implemented to evaluate models’ performance by varying the binwidth/bincount values across each dose map type (approach 1) and by fixing the binwidth/bincount value across different dose maps (approach 2). In both cases, stratified 5-fold cross-validation routine repeated 10 times was used and Harrell Concordance index (CI) employed to evaluate models’ performance. In approach 1, a greater stability was obtained in models trained by varying the bincount parameter with respect to the binwidth parameter for physical dose (CI 0.62) and LETd (CI 0.60); for RBE-weighted dose no marked difference in models’ performance stability was present between the two intensity discretization methods. In approach 2, a higher number of significant first-order features were found in LETd for both binwidth/bincount methods with respect to physical and RBE-weighted dose maps. Concerning models’ performance, by fixing the binwidth value, better models’ performance was obtained for physical and RBE-weighted dose maps; whereas, by fixing the bincount value, better performance was obtained for LETd maps rather than physical dose maps in most cases. Nevertheless, no relevant findings have been found on the optimal value of binwidth/bincount to be used in the dosiomics pipeline, but further investigations are needed, also considering a larger population.

Il cordoma della base cranica (SBC) è un tumore raro e radioresistente e la resezione totale è spesso infattibile. La terapia con raggi protonici è un approccio promettente per controllare la progressione del tumore grazie alle sue migliori proprietà fisiche (i.e. trasferimento lineare di energia, LET) e all'efficacia radiobiologica (RBE) rispetto alla radioterapia convenzionale. Allo stesso tempo, l’estrazione di caratteristiche quantitative da immagini biomediche paziente-specifiche si è rivelata un approccio promettente per la predizione di outcome del trattamento. In linea di principio, caratteristiche quantitative possono essere estratte da qualsiasi mappa volumetrica, come anche da mappe di dose definite durante la pianificazione del trattamento di radioterapia, attraverso la cosiddetta dosiomica. Lo scopo di questa tesi è quello di investigare la dosiomica nella predizione della recidiva locale in pazienti affetti da SBC trattati con protonterapia, esplorando come diversi settings di estrazione elle caratteristiche possano influenzare le performance dei modelli. Le caratteristiche sono state estratte da mappe di LET mediate sulla dose (LETd), mappe di dose fisica e di dose ponderate su RBE variando il setting dei parametri relativi alla discretizzazione dell'intensità della mappa della dose (binwidth/ bincount), e poi inserite in un modello di previsione delle recidive locali. Due approcci di selezione delle caratteristiche sono stati implementati per valutare la prestazione dei modelli variando i valori binwidth/bincount per ogni tipo di mappa di dose (approccio 1) e fissando il valore binwidth/bincount per diverse mappe di dose (approccio 2). In entrambi i casi è stata utilizzata una routine di cross-validazione con un k-fold di 5 ripetuta 10 volte e l’indice di concordanza di Harrell (CI) è stato impiegato per valutare le prestazioni dei modelli. Nell’approccio 1, è stata ottenuta una maggiore stabilità nei modelli addestrati variando il parametro bincount rispetto al parametro binwidth per la dose fisica (CI 0.62) e per LETd (CI 0.60); per la mappa di dose ponderata su RBE nessuna differenza marcata nella stabilità delle prestazioni dei modelli era presente tra i due metodi di discretizzazione dell'intensità. Per quanto riguarda la prestazione dei modelli, fissando il valore binwidth, sono state ottenute prestazioni migliori per le mappe di dose fisiche e di dose pesate su RBE; mentre, fissando il valore bincount, prestazioni migliori sono state ottenute per le mappe LETd rispetto alle mappe di dose fisiche nella maggior parte dei casi. Tuttavia, non sono stati trovati risultati rilevanti sul valore ottimale di binwidth/bincount da utilizzare nella pipeline dosiomica, ma sono necessarie ulteriori indagini, anche considerando una popolazione più ampia.