Aplikace multimodalní MRI-bazální radiomiky v histologickém hodnocení a prognostickém posouzení karcinomu prsu

Kromě TNM stagingu je současná léčba karcinomu prsu založena na konvenčních patologických charakteristikách, které onemocnění kategorizují do tří molekulárních podtypů, z nichž každý má významné prognostické důsledky v klinické praxi: HER2-pozitivní (lidský receptor epidermálního růstového faktoru 2), luminální (hormonálně receptorově pozitivní a HER2-negativní) a triple-negativní karcinomy prsu. Přeexprese nebo amplifikace HER2 je pozorována u 10–15 % případů karcinomu prsu. Tento jev často koreluje s agresivnějším chováním nádoru, zatímco zároveň prokazuje zvýšenou citlivost na terapie cílené na HER2. Nicméně použití vysoce účinných anti-HER2 léků může výrazně zlepšit přežití těchto pacientů. Dále je expresní status HER2 klíčový pro stanovení nutnosti cílené terapie. Proto má předoperační hodnocení expresního statusu HER2 významné terapeutické důsledky. V současné době zahrnují klinické metody hodnocení statusu HER2 u karcinomu prsu před operací imunohistochemické (IHC) testy a měření fluorescenční in situ hybridizace (FISH) provedené na vzorcích získaných biopsií tenkou jehlou. Tyto techniky odběru bioptických vzorků však mají inherentní omezení, včetně výběrového zkreslení a neschopnosti plně reprezentovat nitronádorovou heterogenitu. Navíc může být bioptický výkon pro pacienty nepříjemný a nese určitá rizika. Nádorová heterogenita obecně odkazuje na variace v angiogenezi, metabolismu, genové expresi a dalších biologických charakteristikách mezi nádory. Nitronádorová heterogenita (ITH) se může projevovat jako rozdíly v signálu na radiologických snímcích na makroúrovni. Výzkumníci předpokládali, že mezi HER2-pozitivními (HER2+) a HER2-negativními (HER2-) karcinomy prsu existují významné rozdíly v biologických charakteristikách a chování, což umožňuje rozlišení těchto dvou typů nádorů identifikací specifických zobrazovacích znaků, které odrážejí ITH.

Dynamické kontrastem zesílené MRI (DCE-MRI) je účinná zobrazovací modalita, která poskytuje časové informace o dynamice kontrastních látek v suspektních lézích při zachování přijatelného prostorového rozlišení. Je obzvláště citlivá při detekci lézí karcinomu prsu, zejména těch v husté prsní tkáni. DCE-MRI může nepřímo odrážet abnormální cévní proliferaci nádoru prostřednictvím hemodynamických charakteristik lézí. Radiomika je vznikající technologie, která zahrnuje extrakci kvantitativních a reprodukovatelných znaků z lékařských snímků pomocí vysokoobjemových, sofistikovaných modalit, které jsou často obtížné vizuálně identifikovat nebo kvantifikovat. Tyto znaky, které mohou být spojeny se specifickými onemocněními, jsou analyzovány pomocí statistických nebo strojového učení (ML) algoritmů k vytvoření prediktivních modelů pro diagnózu nádoru, grading, hodnocení účinnosti a predikci prognózy. ML má oproti tradičním statistickým modelům dvě významné výhody. Cílem je zkrátit rozhodovací čas během diagnostiky a obecně dosáhnout vyšší diagnostické přesnosti. Jak bylo prokázáno v diagnostice karcinomu prsu, ML může významně zlepšit predikci rizika rakoviny identifikací komplexních vzorců ve velkém množství klinických dat. Navzdory velkému potenciálu ML stále čelí několika překážkám ve své klinické aplikaci. Hlavní výzvou je nedostatek interpretovatelnosti – mnoho ML modelů funguje jako „černé skříňky“, což klinikům ztěžuje pochopení a důvěru v jejich rozhodovací procesy. Dále výkon modelu silně závisí na kvalitě a reprezentativnosti trénovacích dat. Metody ML často vyžadují větší datové soubory než tradiční klinické studie.

Tato studie si tedy kladla za cíl vyvinout radiomický model založený na ML, který by dokázal neinvazivně predikovat HER2 status karcinomů prsu pomocí DCE-MRI snímků. K analýze příspěvku proměnných zahrnutých v modelu byl navíc použit Shapley Additive Explanation (SHAP) algoritmus, který poskytuje cenné poznatky pro formulaci přesnějších předoperačních léčebných plánů pro pacienty s karcinomem prsu.