Ikke-invasiv MR-underklassificering af heptocellulært karcinom - HepCaSt-studie (HepCaSt)

Hepatocellulære karcinomer (HCC'er) er en heterogen gruppe af tumorundertyper med en anden responsadfærd og prognose. Som en reaktion klassificerer Verdenssundhedsorganisationen (WHO) i sin 5. version (opdateret i 2019) ikke mere to men otte undertyper, hver med forskellig tumorbiologi og resultat. Den nye klassifikation kan tjene som en nøglefaktor, der optimerer en mere personlig terapeutisk tilgang, og derfor er især diagnostiske discipliner nødt til at implementere disse nye undertyper så hurtigt som muligt i deres daglige kliniske rutinealgoritmer.

Billeddannelse spiller en nøglerolle i denne situation. Nyere og avancerede MR-teknikker muliggør en præcis vævskarakterisering. Ydermere er det ved hjælp af den seneste generation af hepatobiliære kontrastmidler som brugen af ​​Gd-EOB (Primovist) muligt at kvantificere og måle organfunktionen og den specifikke optagelsesadfærd af fokale leverlæsioner. En anden tilgang, der lover at fremme karakteriseringen af ​​HCCs heterogenitet, er brugen og udviklingen af ​​kunstig intelligens (AI)-baserede billedefterbehandlingsalgoritmer, herunder radiomiksanalyse.

Til dato er der ingen etablerede billeddannelsesfunktioner, der korrelerer med nogen af ​​de nye WHO HCC-undertyper. Målet med vores projekt er at identificere billeddannende biomarkører, der korrelerer med de nye HCC-undertyper, og hjælper med at klassificere dem non-invasivt. Som et næste skridt vil vi med hjælp fra vores samarbejdspartnere facilitere en radiologisk-patologisk referencedatabase. I et tredje trin og ved hjælp af de data, vi kurerede, vil vi forsøge at identificere morfologiske billeddannelseskarakteristika ved brug af AI-baserede efterbehandlingsalgoritmer til at klassificere subtyperne non-invasivt og til at forudsige/estimere patientens individuelle terapirespons og prognose. Den sidste udfordring bliver at implementere disse algoritmer i den daglige kliniske rutine, vi er derfor nødt til at identificere grænsefladedilemmaer og præsentere smarte løsninger til at løse dem.

Vi er overbeviste om, at ved at implementere de opdaterede WHO-kriterier i kliniske arbejdsgange, vil nuværende overbevisninger og retningslinjer for diagnosticering og behandling af HCC ændre sig. MRI HCC billeddannelse med Primovist vil spille en nøglerolle i dette projekt. Resultaterne af vores projekt kan give viden til at repræsentere som en hjørnesten i billeddannelse og terapivurdering af HCC for at forbedre en personlig terapitilgang.