AI til hovedhalskræft behandlet med adaptiv radioterapi (RadiomicART) (RadiomicArt)

Planocellulært karcinom i hoved og hals (HNSCC) er karakteriseret ved en forekomst i Europa på 140.000 nye tilfælde om året, med overlevelsesrater på 5 år fra 25 til 65 %.

Nuværende kliniske håndteringsalgoritmer for HNSCC-patienter involverer brug af kirurgi og/eller strålebehandling afhængigt af sygdommens stadium ved diagnosen. Radikal strålebehandling (RT), eksklusiv eller i kombination med systemisk terapi, repræsenterer en effektiv terapeutisk mulighed i henhold til de internationale retningslinjer.

På trods af de seneste teknologiske fremskridt inden for stråleterapi, vil omkring 30-50 % af patienterne udvikle lokoregionalt svigt efter primær behandling af hoved- og halskræft. Selvom udviklingen af ​​intensitetsmoduleret strålebehandling (IMRT) og volumetrisk moduleret lysbueterapi (VMAT) teknikker tillod en større dosisbesparelse på raske væv, repræsenterer strålingsinduceret toksicitet stadig en relevant bekymring, som påvirker livskvaliteten for cancerpatienter. selv i lang tid efter behandlingen.

Den kontinuerlige indsats med personlig medicin har som mål at forbedre patientens resultat, både hvad angår sygdomskontrol og toksicitetsmønster. Avancerede billeddiagnostiske modaliteter ser ud til at spille en væsentlig rolle i tilpasningen af ​​strålebehandlingen som vist ved brug af adaptiv stråleterapi (ART) og radiomik.

Med ART mener efterforskerne tilpasningen af ​​tumorvolumener og omgivende organer i fare (OAR'er) til svind og patientafmagring under RT-behandling.

Den nyere litteratur viste, at tumorsvind kan nå op på 70% ved afslutningen af ​​RT-behandlingen, og samtidig kan OAR'er, såsom parotiskirtler, reducere deres størrelse med 7 til 70%. Disse ændringer kan, hvis de ikke tages i betragtning, føre til en uventet levering af lavere dosis på tumoren og højere dosis af OAR sammenlignet med det planlagte.

Adaptiv strålebehandling (ART) omfatter teknikker, der tillader viden om patientspecifikke anatomiske variationer informeret af Image-guided radiotherapys (IGRT'er) for at give feedback til planen og dosis-leveringsoptimering under behandlingsforløbet. Det vedvarende svageste led i behandlingskæden for strålebehandling er fortsat klinikerstyret målidentifikation.

Sammenlignet med CT eller CBCT tilbyder MR en overlegen definition af blødt væv uden nogen forbundet strålingsrisiko. MR identificerer mål, der er større end på CT, fordi tumor, der ellers ville være blevet savnet, nu ses; dog oftest rapporteres mål at være mindre, når de afgrænses på MR. Det resulterende mindre MRI-afledte mål forbedrer det terapeutiske forhold, så dosiseskalering muliggøres. Tilgængeligheden af ​​'funktionelle' MRI-sekvenser lover, at geometrisk tilpasning kan suppleres med biologisk tilpasning. Diffusionsvægtet billeddannelse (DWI) er en funktionel billeddannelsesteknik, der er afhængig af vandmolekylers tilfældige bevægelse for at generere billedkontrast. Da tumorer normalt har større cellularitet end normalt væv, udviser de højere signalintensitet, dvs. begrænset diffusion på MRI. Dette afspejles i den lave gennemsnitlige tilsyneladende diffusionskoefficient (ADC) værdi. Dette har potentiale til at give både kvalitativ og kvantitativ information. Ændring i ADC er blevet brugt til at identificere tidlig behandlingsrespons og til at forudsige lokalt tilbagefald. Derfor kunne DWI ombord identificere tidlige ikke-responderere, som kan drage fordel af ændring i behandlingstilgang.

Radiomisk er udvindingen af ​​kvantitative træk fra medicinske billeder for at karakterisere tumorpatologi eller heterogenitet. Radiomiske egenskaber ekstraheret fra medicinske billeder kan bruges som input-funktioner til at skabe en maskinlæringsmodel, der er i stand til at forudsige overlevelse, og til at vejlede behandling takket være dens forudsigende værdi i lyset af terapipersonalisering.

Vi har tidligere evalueret i en retrospektiv undersøgelse den kvalitative analyse af de radiomiske karakteristika af hoved- og halstumorvæv for at identificere en forudsigende signatur af tumorens biologiske karakteristika. Forskerne stratificerede HNSCC-patienter i henhold til de mest signifikante radiomiske træk i høj- og lavrisikogrupper for tilbagefald og overlevelse efter radiokemoterapi.

Kombinationen af ​​både ART og radiomisk analyse kan potentielt betragtes som et yderligere fremskridt i personaliseringen af ​​onkologiske behandlinger, og især for strålebehandlinger. Af denne grund designede investigator det nuværende forskningsprojekt med det formål at prospektivt evaluere en maskinlæringsbaseret radiomisk tilgang til at forudsige udfald og toksicitet af HNSCC-patienter behandlet med ART ved hjælp af CT, MR og PET-scanning.