Objectives: To evaluate the performance of a custom-made convolutional neural network (CNN) algorithm for fully automated lesion tracking and segmentation, as well as RECIST 1.1 evaluation, in longitudinal computed tomography (CT) studies compared to a manual Response Evaluation Criteria in Solid Tumors (RECIST 1.1) evaluation performed by three radiologists. Methods: Baseline and follow-up CTs of patients with stage IV melanoma (n = 58) was investigated in a retrospective reading study. Three radiologists performed manual measurements of metastatic lesions. Fully automated segmentations were generated, and diameters and volumes were computed from the segmentation results, with subsequent RECIST 1.1 evaluation. We measured (1) the intra- and inter-reader variability in the manual diameter measurements, (2) the agreement between manual and automated diameter measurements, as well as the resulting RECIST 1.1 categories, and (3) the agreement between the RECIST 1.1 categories derived from automated diameter measurement compared to automated volume measurements. Results: In total, 114 target lesions were measured at baseline and follow-up. The intraclass correlation coefficients (ICCs) for the intra- and inter-reader reliability of the diameter measurements were excellent, being >0.90 for all readers. There was moderate to almost perfect agreement when comparing the timepoint response category derived from the mean manual diameter measurements from all three readers with those derived from automated diameter measurements (Cohen’s k 0.67–0.76). The agreement between the manual and automated volumetric timepoint responses was substantial (Fleiss’ k 0.66–0.68) and that between the automated diameter and volume timepoint responses was substantial to almost perfect (Cohen’s k 0.81). Conclusions: The automated diameter measurement of preselected target lesions in follow-up CT is reliable and can potentially help to accelerate RECIST evaluation.

Background: The prevalence of metastatic melanoma is increasing, necessitating the identification of patients who do not benefit from immunotherapy. This study aimed to develop a radiomic biomarker based on the segmentation of all metastases at baseline and the first follow-up CT for the endpoints best overall response (BOR), progression-free survival (PFS), and overall survival (OS), encompassing various immunotherapies. Additionally, this study investigated whether reducing the number of segmented metastases per patient affects predictive capacity. Methods: The total tumour load, excluding cerebral metastases, from 146 baseline and 146 first follow-up CTs of melanoma patients treated with first-line immunotherapy was volumetrically segmented. Twenty-one random forest models were trained and compared for the endpoints BOR; PFS at 6, 9, and 12 months; and OS at 6, 9, and 12 months, using as input either only clinical parameters, whole-tumour-load delta radiomics plus clinical parameters, or delta radiomics from the largest ten metastases plus clinical parameters. Results: The whole-tumour-load delta radiomics model performed best for BOR (AUC 0.81); PFS at 6, 9, and 12 months (AUC 0.82, 0.80, and 0.77); and OS at 6 months (AUC 0.74). The model using delta radiomics from the largest ten metastases performed best for OS at 9 and 12 months (AUC 0.71 and 0.75). Although the radiomic models were numerically superior to the clinical model, statistical significance was not reached. Conclusions: The findings indicate that delta radiomics may offer additional value for predicting BOR, PFS, and OS in metastatic melanoma patients undergoing first-line immunotherapy. Despite its complexity, volumetric whole-tumour-load segmentation could be advantageous.

Background: The aim of this study was to investigate whether the combination of radiomics and clinical parameters in a machine-learning model offers additive information compared with the use of only clinical parameters in predicting the best response, progression-free survival after six months, as well as overall survival after six and twelve months in patients with stage IV malignant melanoma undergoing first-line targeted therapy. Methods: A baseline machine-learning model using clinical variables (demographic parameters and tumor markers) was compared with an extended model using clinical variables and radiomic features of the whole tumor burden, utilizing repeated five-fold cross-validation. Baseline CTs of 91 stage IV malignant melanoma patients, all treated in the same university hospital, were identified in the Central Malignant Melanoma Registry and all metastases were volumetrically segmented (n = 4727). Results: Compared with the baseline model, the extended radiomics model did not add significantly more information to the best-response prediction (AUC [95% CI] 0.548 (0.188, 0.808) vs. 0.487 (0.139, 0.743)), the prediction of PFS after six months (AUC [95% CI] 0.699 (0.436, 0.958) vs. 0.604 (0.373, 0.867)), or the overall survival prediction after six and twelve months (AUC [95% CI] 0.685 (0.188, 0.967) vs. 0.766 (0.433, 1.000) and AUC [95% CI] 0.554 (0.163, 0.781) vs. 0.616 (0.271, 1.000), respectively). Conclusions: The results showed no additional value of baseline whole-body CT radiomics for best-response prediction, progression-free survival prediction for six months, or six-month and twelve-month overall survival prediction for stage IV melanoma patients receiving first-line targeted therapy. These results need to be validated in a larger cohort.

There was an error in the original publication

Hintergrund: Patienten mit zystischer Fibrose (CF) weisen zunehmend eine Leberbeteiligung auf, einschließlich einer Steatose hepatis. Ziel dieser prospektiven Studie ist die quantitative Erfassung des Leberfettgehalts bei CF-Patienten mittels Magnetresonanztomographie (multi-echo Dixon, mDixon) und Ultraschall (Attenuation Imaging, ATI) sowie die Analyse der Korrelation beider Methoden. Methoden: Im Zeitraum von Mai 2024 bis Mai 2025 wurden bisher 19 CF-Patienten (13 weiblich, Durchschnittsalter 15,1 Jahre; Spannweite: 8–25 Jahre) in die Studie eingeschlossen. Im Rahmen der ersten Visite erfolgte eine abdominelle Sonographie mit Bestimmung der Lebergröße, Durchführung einer Scherwellenelastographie sowie quantitativer Messung der Schallgeschwindigkeitsdispersion mittels ATI ((m/s)/kHz). Zusätzlich wurde eine MRT der Leber durchgeführt (HASTE cor, T2 BLADE FS axial, mDixon axial). Die Leberfettquantifizierung erfolgte in der Sonographie durch eine kategoriale Einteilung (normal, mild, signifikant, schwer) sowie eine quantitative Messung der Dispersion. In der MRT wurde der prozentuale Leberfettanteil bestimmt und eine Einteilung in das Vorliegen einer hepatischen Steatose vorgenommen. Ergebnisse: Bislang wurden 19 Patienten in die Studie eingeschlossen, bei denen sowohl die MRT-basierte Leberfettquantifizierung als auch die Ultraschalluntersuchung mittels ATI durchgeführt werden konnten. Die Datenerhebung und -auswertung befinden sich derzeit in der laufenden Phase. Erste vorläufige Analysen deuten darauf hin, dass eine prinzipielle Übereinstimmung zwischen der sonographischen Kategorisierung der Leberverfettung mittels ATI und der quantitativen Leberfettbestimmung mittels mDixon-MRT besteht. Dabei zeigen sich erste Hinweise auf eine positive Korrelation zwischen den beiden Verfahren. Die Genauigkeit und Reproduzierbarkeit der Methoden werden im weiteren Studienverlauf systematisch untersucht. Ziel ist es, auf Basis einer größeren Fallzahl eine statistisch fundierte Aussage zur Korrelation, Sensitivität und Spezifität der sonographischen Methode im Vergleich zum MRT-Goldstandard treffen zu können. Diskussion: Die Erhebung erster Daten zeigt, dass sowohl die ATI-basierte Ultraschalltechnik als auch die mDixon-MRT zur nicht-invasiven Erfassung des Leberfettgehalts bei CF-Patienten geeignet erscheinen. Erste Messungen deuten auf eine tendenzielle Übereinstimmung der beiden Verfahren hin, wobei sich Unterschiede insbesondere bei grenzwertigen Befunden zeigen könnten. Die nicht-invasive Diagnostik der Leberbeteiligung gewinnt in der CF-Versorgung zunehmend an Bedeutung, da sie wiederholbare, strahlenfreie Untersuchungen erlaubt. Das Studienkollektiv stellt eine repräsentative pädiatrische bis junge erwachsene CF-Kohorte dar, wodurch Rückschlüsse auf diese klinisch relevante Altersgruppe möglich sein werden. Weitere Auswertungen werden zeigen, ob sich ATI und MRT komplementär oder möglicherweise austauschbar zur Verlaufskontrolle und Früherkennung der Steatose einsetzen lassen. Die vollständige Analyse der Daten wird klären, inwieweit beide Verfahren sensitiv und spezifisch genug sind, um als Routinemethoden Eingang in die klinische Praxis zu finden. Fazit Die kombinierte Anwendung von MRT-gestützter Leberfettquantifizierung und ATI-basiertem Ultraschall bietet vielversprechende Ansätze zur nicht-invasiven Erfassung der hepatischen Steatose bei CF-Patienten. Erste Daten deuten auf eine gute Korrelation zwischen beiden Verfahren hin. Die abschließende Analyse soll weitere Rückschlüsse auf die diagnostische Genauigkeit und klinische Anwendbarkeit zulassen. Article published online: 25 August 2025 © 2025. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany