Anvendelse af multimodal MRI-baseret radiomics i histologisk gradering og prognostisk vurdering af brystkræft

Ud over TNM-stadieinddeling baseres den nuværende behandling af brystkræft på konventionelle patologiske egenskaber, der kategoriserer sygdommen i tre molekylære undertyper, som hver har betydelige prognostiske implikationer i klinisk praksis: human epidermal vækstfaktorreceptor 2 (HER2)-positiv, luminal (hormonreceptor-positiv og HER2-negativ) og trippel-negativ brystkræft. Overekspression eller forstærkning af HER2 observeres i 10-15% af brystkræfttilfældene. Dette fænomen korrelerer ofte med en mere aggressiv tumoradfærd, samtidig med at det viser en øget følsomhed over for HER2-målrettede terapier. Brugen af højeffektive anti-HER2-lægemidler kan dog betydeligt forbedre overlevelsessresultaterne for disse patienter. Derudover er HER2-ekspressionsstatus afgørende for at afgøre nødvendigheden af målrettet terapi. Derfor har preoperativ vurdering af HER2-ekspressionsstatus vigtige terapeutiske implikationer. I øjeblikket omfatter kliniske metoder til vurdering af HER2-status i brystkræft før operation immunhistokemiske (IHC) tests og fluorescens in situ hybridisering (FISH) målinger udført på kernenålebiopsiprøver. Disse biopsiudtagningsmetoder har dog iboende begrænsninger, herunder prøveudtagningsbias og manglende evne til fuldt ud at repræsentere intratumoral heterogenitet. Derudover kan biopsiproceduren være ubehagelig og medfører visse risici for patienterne. Tumorheterogenitet refererer generelt til variationer i angiogenese, stofskifte, genekspression og andre biologiske egenskaber mellem tumorer. Intratumoral heterogenitet (ITH) kan manifestere sig som signalændringer i radiologiske billeder på makroniveau. Forskere formodede, at der eksisterer betydelige forskelle i biologiske egenskaber og adfærd mellem HER2-positive (HER2+) og HER2-negative (HER2-) brystkræfttyper, hvilket muliggør skelnen mellem disse to typer tumorer ved at identificere specifikke billedtræk, der afspejler ITH.

Dynamisk kontrastforstærket MR-scanning (DCE-MRI) er en effektiv billedmodalitet, der giver tidsmæssig information om kontrastmidlets dynamik i mistænkelige læsioner, samtidig med at den opretholder acceptabel rumlig opløsning. Den er særligt følsom over for at opdage brystkræftlæsioner, især dem i tæt brystvæv. DCE-MRI kan indirekte afspejle unormal tumorvaskulær proliferation gennem læsionernes hemodynamiske egenskaber. Radiomik er en ny teknologi, der involverer ekstrahering af kvantitative og reproducerbare træk fra medicinske billeder ved hjælp af højgennemløbs, sofistikerede modaliteter, der ofte er udfordrende at identificere eller kvantificere visuelt. Disse træk, som kan være forbundet med specifikke sygdomme, analyseres ved hjælp af statistiske eller maskinlæringsalgoritmer (ML) for at skabe prædiktive modeller til tumordiagnose, gradering, effektvurdering og prognoseprædiktion. ML har to vigtige fordele i forhold til traditionelle statistiske modeller. Målet er at reducere beslutningstiden under diagnostik og generelt opnå større diagnostisk nøjagtighed. Som demonstreret i brystkræftdiagnostik, kan ML betydeligt forbedre kræftrisikoprædiktion ved at identificere komplekse mønstre i store mængder kliniske data. På trods af ML's store potentiale står det stadig over for flere hindringer i sin kliniske anvendelse. En større udfordring er manglen på fortolkelighed-mange ML-modeller fungerer som "sorte bokse", hvilket gør det svært for klinikere at forstå og stole på deres beslutningsprocesser. Yderligere afhænger modellens ydeevne i høj grad af kvaliteten og repræsentativiteten af træningsdataene. ML-metoder kræver ofte større datasæt end traditionelle kliniske undersøgelser.

Denne undersøgelse havde således til formål at udvikle en radiomik-baseret ML-model, der kunne forudsige HER2-status for brystkræft på en ikke-invasiv måde ved hjælp af DCE-MRI-billeder. Derudover blev Shapley Additive Explanation (SHAP)-algoritmen anvendt til at analysere bidraget fra de variabler, der var inkluderet i modellen, hvilket giver værdifuld indsigt til udformning af mere præcise preoperative behandlingsplaner for patienter med brystkræft.