Evaluation of Rectal Cancer Circumferential Resection Margin Using Faster Region-Based Convolutional Neural Network in High-Resolution Magnetic Resonance Images

Abstract

BACKGROUND: High-resolution MRI is regarded as the best method to evaluate whether there is an involved circumferential resection margin in rectal cancer. OBJECTIVE: We explored the application of the faster region-based convolutional neural network to identify positive circumferential resection margins in high-resolution MRI images. DESIGN: This was a retrospective study. SETTINGS: The study conducted at a single surgical unit of a public university hospital. PATIENTS: We studied 240 patients with rectal cancer in the Affiliated Hospital of Qingdao University from July 2016 to August 2018, who were determined to have a positive circumferential resection margin and who had received a high-resolution MRI. All posttreatment cases were excluded from this study. MAIN OUTCOME MEASURES: The faster region-based convolutional neural network was trained by 12,258 transverse relaxation-weighted (T2-weighted imaging) images of pelvic high-resolution MRI to build an artificial intelligence platform and complete clinical tests. In this network, the proportion of positive and negative circumferential resection margin images was 1:2. In accordance with the test results of the validation group, the metrics of the receiver operating characteristic curves and the area under the curve were applied to compare the diagnostic results of the artificial intelligence platform with those of senior radiology experts. RESULTS: In this artificial intelligence platform, the accuracy, sensitivity, and specificity of the circumferential resection margin status as determined were 0.932, 0.838, and 0.956. The area under the receiver operating characteristic curves was 0.953. The time required to automatically recognize an image was 0.2 seconds. LIMITATIONS: This is a single-center retrospective study with limited data volume and a highly selected patient cohort. CONCLUSIONS: In high-resolution MRI images of rectal cancer before treatment, the application of faster region-based convolutional neural network to segment the positive circumferential resection margin has high accuracy and feasibility. See Video Abstract at http://links.lww.com/DCR/B88. EVALUACIÓN DEL MARGEN DE RESECCIÓN CIRCUNFERENCIAL DEL CÁNCER RECTAL MEDIANTE EL USO DE UNA RED NEURONAL CONVOLUCIONAL MÁS RÁPIDA BASADA EN UNA REGIÓN EN IMÁGENES DE RESONANCIA MAGNÉTICA DE ALTA RESOLUCIÓN ANTECEDENTES: La resonancia magnética de alta resolución se considera el mejor método para evaluar si existe un margen de resección circunferencial involucrado en el cáncer de recto. OBJETIVO: Se exploró la aplicación de la red neuronal convolucional más rápida basada en una región para identificar márgenes de resección circunferencial positivos en imágenes de resonancia magnética de alta resolución. DISEÑO Y AJUSTES: Este fue un estudio retrospectivo realizado en una única unidad quirúrgica de un hospital universitario público. PACIENTES: Estudiamos 240 pacientes con cáncer rectal en el Hospital Afiliado de la Universidad de Qingdao desde el 2 de julio de 2006 hasta el 2 de agosto de 2008, a los que se determinó que tenían un margen de resección circunferencial positivo y que habían recibido una resonancia magnética de alta resolución. Todos los casos posteriores al tratamiento fueron excluidos de este estudio. PRINCIPALES MEDIDAS DE RESULTADO: La red neuronal convolucional más rápida basada en una región recibió capacitación de 12,258 imágenes de RM pélvica de alta resolución con relajación transversal para construir una plataforma de inteligencia artificial y completar pruebas clínicas. En esta red, la proporción de imágenes con margen de resección circunferencial positivo y negativo fue 1: 2. De acuerdo con los resultados de las pruebas del grupo de validación, se aplicaron las métricas de las curvas de las características operativas del receptor y del área bajo la curva para comparar los resultados de diagnóstico de la plataforma de inteligencia artificial con los de expertos de radiología de alto nivel. RESULTADOS: En esta plataforma de inteligencia artificial, la precisión, sensibilidad y especificidad del estado del margen de resección circunferencial según lo determinado fueron 0.932, 0.838 y 0.956, respectivamente. El área bajo las curvas características de operación del receptor fue de 0.953. El tiempo requerido para reconocer automáticamente una imagen fue de 0.2 segundos. LIMITACIONES: Este es un estudio retrospectivo de centro único con volumen de datos limitado y una cohorte de pacientes altamente seleccionada. CONCLUSIONES: En las imágenes de resonancia magnética de alta resolución de cáncer rectal antes del tratamiento, la aplicación de la red neuronal convolucional más rápida basada en una región, para segmentar el margen de resección circunferencial positivo tiene una alta precisión y factibilidad. Consulte Video Resumen en http://links.lww.com/DCR/B88.

Artificial intelligence–based technology for semi-automated segmentation of rectal cancer using high-resolution MRI

“…Some recent studies have tried to estimate rectal cancer-related parameters on preoperative MR images using AI, and have shown that the accuracy was acceptable [22,[26][27][28]. However, these studies had several limitations: tumor tissue was not visualized on the MR image, the relationship of the tumor with the mesorectal fascia was difficult to assess, the results were not based on high-resolution MRI, or the ground-truth labels were not based on pathological assessment, the last issue being the one we consider to be most critical.…”

Development of artificial intelligence technology in diagnosis, treatment, and prognosis of colorectal cancer

“…In 3D-T2 weighted MRI, the 3D full collaborative network architecture based on DL could segment CRC more reasonably and effectively than other techniques[ 35 ]. In the high-resolution MRI image of rectal cancer, the use of a faster region-based convolution NN (Faster R-CNN) had a high accuracy in evaluating tumor boundaries[ 36 , 37 ]. Circumferential resection margin is one of the key factors affecting the treatment decision of CRC patients.…”

Magnetic resonance imaging-based artificial intelligence model in rectal cancer

“…A single-center retrospective study reported that high-resolution MRI based on an AI model can be used to evaluate the involvement of circumferential resection margins in rectal cancer[ 30 ]. A total of 240 CRC patients with positive circumferential resection margins were included, and image training was carried out based on the regional convolutional neural network AI model.…”