Ключевые слова
Как цитировать
Аннотация
Магнитно-резонансная томография (МРТ) занимает ключевое место в диагностическом алгоритме рака эндометрия (РЭ), поскольку является наиболее информативным методом для оценки ключевого прогностического фактора — глубины инвазии в миометрий и местной распространенности опухолевого процесса, на основе чего осуществляется планирование лечения. Последний пересмотр системы стадирования РЭ (FIGO, 2023) основан на стратификации факторов риска, включающих помимо распространенности и гистологического типа опухоли, данные о молекулярно-генетический подтипе, лимфоваскулярной инвазии и микрометастазах в лимфатические узлы, устанавливаемых по результатам послеоперационного гистологического исследования. Возможность получения информации о факторах риска на дооперационном этапе может способствовать оптимизации выбора лечебной стратегии. В связи с этим в мире предпринимаются попытки разработать новые подходы к предоперационной диагностике РЭ, основанные на анализе диагностических изображений, выполняемых в рамках предоперационного стадирования. Большинство исследований включают оценку информативности радиомических признаков, извлеченных при текстурном анализе (ТА) из изображений, получаемых при МРТ у больных РЭ. Данный обзор включает анализ опубликованных научных исследований, посвященных применению радиомического и радиогеномного анализа МР-изображений в диагностике РЭ и демонстрирует перспективные результаты данных направлений в определении таких факторов прогноза, как гистологический тип опухоли, глубина инвазии в миометрий, лимфоваскулярная инвазия, метастатическое поражение лимфатических узлов и молекулярно-генетический подтип опухоли. Однако определить предсказательную значимость конкретных радиомических параметров в выявлении основных факторов прогноза РЭ на сегодняшний день не представляется возможным, что обусловлено существенной вариабельностью анализируемых текстурных признаков, использованием различных программных приложений для проведения ТА и отсутствием унифицированных подходов при выборе анализируемых МР-последовательностей. В связи с этим радиомический анализ остается в фокусе научного интереса, и для внедрения в клиническую практику требует дальнейшего изучения с целью стандартизации алгоритмов его проведения и валидации данных.
Библиографические ссылки
Каприн А.Д., Старинский В.В., Шахзадова А.О., et. al. Злокачественные новообразования в России в 2023 году (заболеваемость и смертность) − М.: МНИОИ им. П.А. Герцена − филиал ФГБУ «НМИЦ радиологии» Минздрава России. 2024: 276. [Kaprin A.D., Starinsky V.V., Shakhzadova A.O., et. al. Malignant neoplasms in Russia in 2023 (incidence and mortality). Moscow: P.A. Herzen Moscow State Medical Research Institute - branch of the Federal State Budgetary Institution ‘NMRC of Radiology’ of the Ministry of Health of Russia. 2024: 276 (In Rus)].
Bray F., Laversanne M., Sung H., et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024; 74: 229-63.-DOI: https://doi.org/10.3322/caac.21834.
Berek J.S., Matias-Guiu X., Creutzberg C., et al. FIGO staging of endometrial cancer: 2023. Int J Gynecol Obstet. 2023; 162: 383-94.-DOI: https://doi.org/10.1002/ijgo.14923.
Concin N., Matias-Guiu X., Vergote I., et al. ESGO/ESTRO/ESP guidelines for the management of patients with endometrial carcinoma. Int J Gynecol Cancer Off J Int Gynecol Cancer Soc. 2021; 31: 12-39.-DOI: https://doi.org/10.1136/ijgc-2020-002230.
Нечушкина В.М., Коломиец Л.А., Кравец О.А., et al. Практические рекомендации по лекарственному лечению рака тела матки и сарком матки. Злокачественные Опухоли. 2021; 11: 218-32.-DOI: https://doi.org/10.18027/2224-5057-2021-11-3s2-14. [Nechushkina V.M., Kolomiets L.A., Kravets O.A., et al. Prakticheskie rekomendatsii po lekarstvennomu lecheniyu raka tela matki i sarkom matki. Zlokachestvennye Opukholi = Malignant Tumors. 2021; 11: 218-32.-DOI: https://doi.org/10.18027/2224-5057-2021-11-3s2-14 (In Rus)].
Phelippeau J., Canlorbe G., Bendifallah S., et al. Preoperative diagnosis of tumor grade and type in endometrial cancer by pipelle sampling and hysteroscopy: Results of a French study. Surg Oncol. 2016; 25: 370-7.-DOI: https://doi.org/10.1016/j.suronc.2016.08.004.
McCluggage W.G. Pathologic staging of endometrial carcinomas: Selected areas of difficulty. Adv Anat Pathol. 2018; 25: 71-84.-DOI: https://doi.org/10.1097/PAP.0000000000000182.
Rizzo S., Botta F., Raimondi S., et al. Radiomics: the facts and the challenges of image analysis. Eur Radiol Exp. 2018; 2: 36.-DOI: https://doi.org/10.1186/s41747-018-0068-z.
Zheng T., Yang L., Du J., et al. Combination analysis of a radiomics-based predictive model with clinical indicators for the preoperative assessment of histological grade in endometrial carcinoma. Front Oncol. 2021; 11: 582495.-DOI: https://doi.org/10.3389/fonc.2021.582495.
Chen X., Wang X., Gan M., et al. MRI-based radiomics model for distinguishing endometrial carcinoma from benign mimics: A multicenter study. Eur J Radiol. 2022; 146: 110072.-DOI: https://doi.org/10.1016/j.ejrad.2021.110072.
Bi Q., Wang Y., Deng Y., et al. Different multiparametric MRI-based radiomics models for differentiating stage IA endometrial cancer from benign endometrial lesions: A multicenter study. Front Oncol. 2022; 12: 939930.-DOI: https://doi.org/10.3389/fonc.2022.939930.
Bereby-Kahane M., Dautry R., Matzner-Lober E., et al. Prediction of tumor grade and lymphovascular space invasion in endometrial adenocarcinoma with MR imaging-based radiomic analysis. Diagn Interv Imaging. 2020; 101: 401-11.-DOI: https://doi.org/10.1016/j.diii.2020.01.003.
Liu X.F., Yan B.C., Li Y., et al. Radiomics feature as a preoperative predictive of lymphovascular invasion in early-stage endometrial cancer: A multicenter study. Frontiers in oncology. 2022; 12: 966529.-DOI: https://doi.org/10.3389/fonc.2022.966529.
Luo Y., Mei D., Gong J., et al. Multiparametric MRI-based radiomics nomogram for predicting lymphovascular space invasion in endometrial carcinoma. J Magn Reson Imaging JMRI. 2020; 52: 1257-62.-DOI: https://doi.org/10.1002/jmri.27142.
Han Y., Xu H., Ming Y., et al. Predicting myometrial invasion in endometrial cancer based on whole-uterine magnetic resonance radiomics. J Cancer Res Ther. 2020; 16: 1648-55.-DOI: https://doi.org/10.4103/jcrt.JCRT_1393_20.
Yan B.C., Ma X.L., Li Y., et al. MRI-based radiomics nomogram for selecting ovarian preservation treatment in patients with early-stage endometrial cancer. Front Oncol. 2021; 11.-DOI: https://doi.org/10.3389/fonc.2021.730281.
Xu X., Li H., Wang S., et al. Multiplanar MRI-based predictive model for preoperative assessment of lymph node metastasis in endometrial cancer. Front Oncol. 2019; 9.-DOI: https://doi.org/10.3389/fonc.2019.01007.
Yan B.C., Li Y., Ma F.H., et al. Radiologists with MRI-based radiomics aids to predict the pelvic lymph node metastasis in endometrial cancer: a multicenter study. Eur Radiol. 2021; 31: 411-22.-DOI: https://doi.org/10.1007/s00330-020-07099-8.
Celli V., Guerreri M., Pernazza A., et al. MRI- and histologic-molecular-based radio-genomics nomogram for preoperative assessment of risk classes in endometrial cancer. Cancers. 2022; 14: 5881.-DOI: https://doi.org/10.3390/cancers14235881.
Chen J., Gu H., Fan W., et al. MRI-based radiomic model for preoperative risk stratification in stage I endometrial cancer. J Cancer. 2021; 12: 726-34.-DOI: https://doi.org/10.7150/jca.50872.
Miccò M., Gui B., Russo L., et al. Preoperative tumor texture analysis on MRI for high-risk disease prediction in endometrial cancer: A hypothesis-generating study. J Pers Med. 2022; 12: 1854.-DOI: https://doi.org/10.3390/jpm12111854.
Lin Z., Gu W., Guo Q., et al. Multisequence MRI-based radiomics model for predicting POLE mutation status in patients with endometrial cancer. Br J Radiol. 2023; 96: 20221063.-DOI: https://doi.org/10.1259/bjr.20221063.
Liu Z., Duan T., Zhang Y., et al. Radiogenomics: a key component of precision cancer medicine. Br J Cancer. 2023; 129: 741-53.-DOI: https://doi.org/10.1038/s41416-023-02317-8.
Mayerhoefer M.E., Materka A., Langs G., et al. Introduction to radiomics. J Nucl Med Off Publ Soc Nucl Med. 2020; 61: 488-95.-DOI: https://doi.org/10.2967/jnumed.118.222893.
Gumtorntip P., Poomtavorn Y., Tanprasertkul C. Predicting factors for pelvic lymph node metastasis in patients with apparently early-stage endometrial cancer. Asian Pac J Cancer Prev APJCP. 2022; 23: 617-22.-DOI: https://doi.org/10.31557/APJCP.2022.23.2.617.
Guntupalli S.R., Zighelboim I., Kizer N.T., et al. Lymphovascular space invasion is an independent risk factor for nodal disease and poor outcomes in endometrioid endometrial cancer. Gynecol Oncol. 2012; 124: 31-5.-DOI: https://doi.org/10.1016/j.ygyno.2011.09.017.
Raffone A., Travaglino A., Raimondo D., et al. Prognostic value of myometrial invasion and TCGA groups of endometrial carcinoma. Gynecol Oncol. 2021; 162: 401-6.-DOI: https://doi.org/10.1016/j.ygyno.2021.05.029.
Luomaranta A., Leminen A., Loukovaara M. Magnetic resonance imaging in the assessment of high-risk features of endometrial carcinoma: a meta-analysis. Int J Gynecol Cancer Off J Int Gynecol Cancer Soc. 2015; 25: 837-42.-DOI: https://doi.org/10.1097/IGC.0000000000000194.
Raffone A., Travaglino A., Raimondo D., et al. Prognostic value of myometrial invasion and TCGA groups of endometrial carcinoma. Gynecol Oncol. 2021; 162: 401-6.-DOI: https://doi.org/10.1016/j.ygyno.2021.05.029.
Nougaret S., Horta M., Sala E., et al. Endometrial cancer MRI staging: Updated guidelines of the European Society of Urogenital Radiology. Eur Radiol. 2019; 29: 792-805.-DOI: https://doi.org/10.1007/s00330-018-5515-y.
Brown A.P., Gaffney D.K., Dodson M.K., et al. Survival analysis of endometrial cancer patients with positive lymph nodes. Int J Gynecol Cancer Off J Int Gynecol Cancer Soc. 2013; 23: 861-8.-DOI: https://doi.org/10.1097/IGC.0b013e3182915c3e.
Pinelli C., Artuso V., Bogani G., et al. Lymph node evaluation in endometrial cancer: how did it change over the last two decades? Transl Cancer Res. 2020; 9: 7778-84.-DOI: https://doi.org/10.21037/tcr-20-2165.
Frost J.A., Webster K.E., Bryant A., et al. Lymphadenectomy for the management of endometrial cancer. Cochrane Database Syst Rev. 2015; 2015: CD007585.-DOI: https://doi.org/10.1002/14651858.CD007585.pub3.
Sullivan S.A., Rossi E.C. Sentinel Lymph Node Biopsy in Endometrial Cancer: a New Standard of Care? Curr Treat Options Oncol. 2017; 18(10): 62.-DOI: https://doi.org/10.1007/s11864-017-0503-z
Arciuolo D., Travaglino A., Raffone A., et al. TCGA Molecular prognostic groups of endometrial carcinoma: Current knowledge and future perspectives. Int J Mol Sci. 2022; 23: 11684.-DOI: https://doi.org/10.3390/ijms231911684.
Teng X., Wang Y., Nicol A.J., et al. Enhancing the clinical utility of radiomics: Addressing the challenges of repeatability and reproducibility in CT and MRI. Diagnostics (Basel). 2024; 14(16): 1835.-DOI: https://doi.org/10.3390/diagnostics14161835.
Kurata Y., Nishio M., Kido A., et al. Automatic segmentation of the uterus on MRI using a convolutional neural network. Comput Biol Med. 2019; 114: 103438.-DOI: https://doi.org/10.1016/j.compbiomed.2019.103438.
Hodneland E., Dybvik J.A., Wagner-Larsen K.S., et al. Automated segmentation of endometrial cancer on MR images using deep learning. Sci Rep. 2021; 11: 179.-DOI https://doi.org/10.1038/s41598-020-80068-9.
Russo L., Bottazzi S., Kocak B., et al. Evaluating the quality of radiomics-based studies for endometrial cancer using RQS and METRICS tools. Eur Radiol. 2025; 35: 202-14.-DOI https://doi.org/10.1007/s00330-024-10947-6.
Bluemke D.A., Moy L., Bredella M.A., et al. Assessing radiology research on artificial intelligence: A brief guide for authors, reviewers, and readers-from the radiology editorial board. Radiology. 2020; 294: 487-9.-DOI: https://doi.org/10.1148/radiol.2019192515.
Kocak B., Akinci D’Antonoli T., Mercaldo N., et al. METhodological RadiomICs Score (METRICS): a quality scoring tool for radiomics research endorsed by EuSoMII. Insights Imaging. 2024; 15: 8.-DOI: https://doi.org/10.1186/s13244-023-01572-w.
Lambin P., Leijenaar R.T.H., Deist T.M., et al. Radiomics: the bridge between medical imaging and personalized medicine. Nat Rev Clin Oncol. 2017; 14(12): 749-762.-DOI: https://doi.org/10.1038/nrclinonc.2017.141.
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
© АННМО «Вопросы онкологии», Copyright (c) 2026