Impatto dell’analisi radiomica della TC preoperatoria nella predizione degli esiti oncologici post-resezione per colangiocarcinoma intraepatico: studio multicentirco retrospettivo

Background Intrahepatic cholangiocarcinoma (iCCA) carries one of the highest recurrence rates among primary liver cancers, even after curative-intent resection. The integration of radiomic features extracted from preoperative contrast-enhanced CT imaging into clinical prognostication models may offer a noninvasive means to refine recurrence risk stratification. Methods We retrospectively analyzed 124 consecutive patients from four HPB centers who underwent curative-intent liver resection for iCCA between 2005 and 2022. Clinical, pathological, and imaging data were collected to identify determinants of recurrence-free survival (RFS). Radiomic features were extracted using PyRadiomics from the arterial and venous phases of preoperative CT scans and normalized to the (0,1) interval. After preprocessing and standardization, a bootstrap-based minimum redundancy–maximum relevance (mRMR) filter was applied to select stable and nonredundant variables most predictive of RFS. Cox regression models were built using (A) clinicopathologic variables alone, (B) radiomic features alone, and (C) their combination. Model discrimination was assessed using Uno’s concordance statistic. Results Median age was 69 years (IQR 61–74). Median overall survival and RFS were 36.0 months (95% CI 25.9–44.4) and 12.6 months (95% CI 10.6–14.8), respectively. On multivariable analysis, number of positive lymph nodes (HR = 2.58, p < 0.001), maximum tumor size (per cm HR = 1.12, p = 0.009), and tumor necrosis pattern (HR = 3.28 for well-circumscribed vs. absent, p = 0.004) were independent predictors of recurrence. Incorporation of radiomic data markedly enhanced model performance. Three wavelet-based features were selected as the most stable predictors: Imc1_glcm_wavelet.LHH (arterial), reflecting fine-texture correlation and micro-heterogeneity; SmallAreaLowGrayLevelEmphasis_glszm_wavelet.HLL (arterial), quantifying small hypodense foci; and ClusterShade_glcm_wavelet.LHL (venous), expressing asymmetry and structural complexity of tumor texture. The radiomic-only model achieved a concordance index of 0.66 (95% CI 0.59–0.74). When combined with tumor variables (Model C), discrimination improved to 0.75 (95% CI 0.67–0.82), compared with 0.71 (95% CI 0.64–0.78) for clinico-pathologic factors alone (p = 0.05 for difference). Conclusions Radiomic profiling of preoperative CT images significantly improved RFS prediction after resection of iCCA. The inclusion of texture-based imaging biomarkers captured tumor heterogeneity and microstructural irregularity, which are not discernible by standard imaging or pathology. This integrative approach may enable more accurate risk stratification, guiding surgical decision-making, follow-up intensity, and potential use of neoadjuvant or adjuvant therapies.

Background Il colangiocarcinoma intraepatico (iCCA) presenta uno dei più alti tassi di recidiva tra i tumori primitivi del fegato, anche dopo resezione a intento curativo. L’integrazione delle caratteristiche radiomiche estratte dalle immagini TC con mezzo di contrasto preoperatorie nei modelli clinici di prognosi può offrire uno strumento non invasivo per affinare la stratificazione del rischio di recidiva. Metodi Sono stati analizzati retrospettivamente 124 pazienti consecutivi provenienti da quattro centri di chirurgia epato-bilio-pancreatica (HPB), sottoposti a resezione epatica a intento curativo per iCCA tra il 2005 e il 2022. Sono stati raccolti dati clinici, patologici e di imaging al fine di identificare i determinanti della sopravvivenza libera da recidiva (RFS). Le caratteristiche radiomiche sono state estratte mediante PyRadiomics dalle fasi arteriosa e venosa delle TC preoperatorie e normalizzate nell’intervallo (0,1). Dopo le fasi di pre-elaborazione e standardizzazione, è stato applicato un filtro bootstrap-based minimum redundancy–maximum relevance (mRMR) per selezionare le variabili più stabili e non ridondanti, maggiormente predittive della RFS. Sono stati quindi costruiti modelli di regressione di Cox basati su: (A) variabili clinico-patologiche, (B) caratteristiche radiomiche e (C) loro combinazione. La capacità discriminante dei modelli è stata valutata mediante la statistica di concordanza di Uno. Risultati L’età mediana dei pazienti è stata di 69 anni (IQR 61–74). La sopravvivenza globale mediana e la RFS sono state rispettivamente di 36,0 mesi (IC 95% 25,9–44,4) e 12,6 mesi (IC 95% 10,6–14,8). All’analisi multivariata, il numero di linfonodi positivi (HR = 2,58, p < 0,001), la dimensione massima del tumore (per cm HR = 1,12, p = 0,009) e il pattern necrotico (HR = 3,28 per necrosi ben delimitata vs assente, p = 0,004) sono risultati predittori indipendenti di recidiva. L’inclusione delle variabili radiomiche ha determinato un marcato miglioramento delle prestazioni del modello. Tre caratteristiche wavelet-based sono risultate le più stabili e predittive: Imc1_glcm_wavelet.LHH (fase arteriosa), indicativa di microeterogeneità e fine correlazione tessutale; SmallAreaLowGrayLevelEmphasis_glszm_wavelet.HLL (fase arteriosa), correlata alla presenza di piccole aree ipodense; e ClusterShade_glcm_wavelet.LHL (fase venosa), espressiva dell’asimmetria e complessità strutturale della trama tumorale. Il modello basato esclusivamente su dati radiomici ha raggiunto un indice di concordanza pari a 0,66 (IC 95% 0,59–0,74). La combinazione di tali caratteristiche con le variabili tumorali (modello C) ha incrementato la capacità discriminante a 0,75 (IC 95% 0,67–0,82), rispetto a 0,71 (IC 95% 0,64–0,78) del modello clinico-patologico (p = 0,05 per la differenza). Conclusioni La profilazione radiomica delle TC preoperatorie ha migliorato in modo significativo la predizione della RFS dopo resezione per iCCA. L’inclusione di biomarcatori d’imaging basati sulla texture ha consentito di cogliere l’eterogeneità tumorale e le irregolarità microstrutturali non rilevabili con la diagnostica convenzionale o con l’esame istologico. Questo approccio integrato può permettere una più accurata stratificazione del rischio, orientando le decisioni chirurgiche, l’intensità del follow-up e la potenziale indicazione a terapie neoadiuvanti o adiuvanti.