Prediction of PD-L1 expression in gastric cancer using 18F-FDG PET/CT radiomics

Abstract

Objective

To evaluate the predictive performance of radiomics models based on ¹⁸F-FDG PET/CT for determining programmed cell death ligand-1 status in treatment-naïve gastric cancer.

Methods

This retrospective study included 170 gastric cancer patients who underwent preoperative ¹⁸F-FDG PET/CT. Patients were randomly assigned to training (n = 119) and testing (n = 51) cohorts. PD-L1 positivity was defined as a combined positive score ≥5. Radiomic features were extracted from PET, CT, and fused PET/CT images and processed through a comprehensive pipeline with multiple methods employed for normalization, preprocessing, and feature selection. Each pipeline retained 20 radiomic features, which were subsequently evaluated with 10 different classifiers using feature subsets ranging from 1 to 20 to identify the optimal radiomics model. Model performance was assessed by AUC, accuracy, and related metrics, with 5-fold cross-validation on the training set.

Results

The integrated PET/CT model achieved the best performance on the test set (AUC 0.750; accuracy 0.745). The CT-based model yielded a test AUC of 0.678 and accuracy of 0.762, while the PET-based model showed a test AUC of 0.653 and accuracy of 0.706. All three radiomics models outperformed the conventional metabolic-parameter model (AUC 0.578; accuracy 0.544). The optimal predictive pipeline varied across the different imaging modalities.

Conclusion

Integrated ¹⁸F-FDG PET/CT radiomics demonstrated superior potential for noninvasive prediction of PD-L1 expression in gastric adenocarcinoma compared with single-modality imaging or metabolic parameters, supporting its potential utility for guiding patient selection for immunotherapy, with further validation warranted.

Resumen

Objetivo

Evaluar el rendimiento predictivo de los modelos de radiómica basados en ¹⁸F-FDG PET/TC para determinar el estado del ligando 1 de muerte celular programada (PD-L1) en el cáncer gástrico no tratado previamente.

Métodos

Este estudio retrospectivo incluyó a 170 pacientes con cáncer gástrico sometidos a ¹⁸F-FDG PET/TC preoperatorio. Los pacientes fueron asignados aleatoriamente a una cohorte de entrenamiento (n = 119) y una cohorte de prueba (n = 51). La positividad de PD-L1 se definió como una puntuación combinada positiva ≥5. Se extrajeron características radiómicas de las imágenes PET, TC y PET/TC fusionadas, y se procesaron mediante un flujo de trabajo integral que empleó múltiples métodos de normalización, preprocesamiento y selección de características. Cada flujo de trabajo conservó 20 características radiómicas, que posteriormente se evaluaron con 10 clasificadores diferentes utilizando subconjuntos de características de entre 1 y 20 para identificar el modelo de radiómica óptimo. El rendimiento de los modelos se evaluó mediante el área bajo la curva (AUC), la exactitud y métricas relacionadas, con validación cruzada de 5 pliegues en el conjunto de entrenamiento.

Resultados

El modelo integrado de PET/TC logró el mejor rendimiento en el conjunto de prueba (AUC 0,750; exactitud 0,745). El modelo basado en TC obtuvo un AUC de 0,678 y una exactitud de 0,762 en la prueba, mientras que el modelo basado en PET mostró un AUC de 0,653 y una exactitud de 0,706. Los tres modelos de radiómica superaron al modelo convencional basado en parámetros metabólicos (AUC 0,578; exactitud 0,544). El flujo de trabajo predictivo óptimo varió según las diferentes modalidades de imagen.

Conclusión

La radiómica integrada con ¹⁸F-FDG PET/TC demostró un potencial superior para la predicción no invasiva de la expresión de PD-L1 en el adenocarcinoma gástrico en comparación con la imagen de una sola modalidad o los parámetros metabólicos, lo que respalda su utilidad potencial para guiar la selección de pacientes para inmunoterapia, aunque se requiere una validación adicional.