PSMA-PET: Deep Radiomic Biomarkers of Progression and Response Prediction in Prostata Cancer

Prostatakrebs (PCa) ist die häufigste bösartige Erkrankung außerhalb der Haut und die dritthäufigste Krebstodesursache bei nordamerikanischen Männern. Der genau kartierte Metastasierungsstatus ist eine notwendige Voraussetzung, um die Behandlung in der Praxis und in klinischen Studien zu leiten. Bildgebende Biomarker (BMs) können Informationen über Krankheitsvolumen und -verteilung, Prognose, Veränderungen im biologischen Verhalten, therapieinduzierte Veränderungen (sowohl Responder als auch Non-Responder), Ansprechdauer, Auftreten von Behandlungsresistenzen und die Wirtsreaktion auf die Therapien liefern .

Von besonderer Bedeutung für metastasierenden Prostatakrebs ist das Aufkommen einer vielversprechenden Bildgebungstechnik, die neue Positronen-Emissions-Tomographie (PET)-Tracer für das prostataspezifische Membranantigen (PSMA) verwendet. Dieser Ansatz hat eine höhere Sensitivität bei der Erkennung von Metastasen vor und während der Therapie gezeigt als der derzeitige bildgebende Behandlungsstandard (CT und Knochenscan) und ist außerhalb des Forschungsbereichs in Nordamerika nicht allgemein klinisch verfügbar.

Die Positronen-Emissions-Tomographie / Computertomographie (PET/CT) ist ein nuklearmedizinisches diagnostisches Bildgebungsverfahren, das auf der Messung der Positronenemission von radioaktiv markierten Tracer-Molekülen in vivo basiert. PSMA ist ein homodimeres Membran-Metalloenzym vom Typ II, das als Glutamat-Carboxypeptidase/Folat-Hydrolase fungiert und in PCa überexprimiert wird. PSMA wird in der überwiegenden Mehrheit der PCa-Gewebeproben exprimiert, und sein Expressionsgrad korreliert mit einer Reihe wichtiger Metriken der Aggressivität von PCa-Tumoren, einschließlich Gleason-Score, Neigung zur Metastasierung und der Entwicklung von Kastrationsresistenz.

[18F]DCFPyL ist eine vielversprechende hochempfindliche PSMA-gerichtete harnstoffbasierte PET-Sonde der zweiten Generation. Studien, die PSMA-PET/CT-Bildgebung der zweiten Generation bei Männern mit biochemischer Progression nach definitiver Therapie verwendeten, deuten darauf hin, dass Metastasen bei über 60 % der bildgebenden Männer erkannt werden.

Deep Learning wird als Variante künstlicher neuronaler Netze definiert, die mehrere Schichten von „Neuronen“ verwenden. Deep Learning wurde in der medizinischen Bildgebung in zahlreichen Anwendungen über Organsysteme hinweg untersucht. In der Onkologie wurden grundlegende künstliche neuronale Netze zur Unterstützung der Entscheidungsfindung bereits retrospektiv bei Brustkrebs und Prostatakrebs entwickelt, aber nicht validiert oder prospektiv integriert. Es werden neuartige datengesteuerte Methoden benötigt, um die Ergebnisse so früh wie möglich vorherzusagen, um die Dauer und die Aggressivität einer bestimmten Therapie zu bestimmen. Sie werden auch für eine optimale Patientenauswahl basierend auf dem Ansprechen des Patienten auf eine gegebene Therapie benötigt.

Hier vermuten die Forscher, dass die Kombination einer hochleistungsfähigen Prostatakrebs-Bildgebungstechnik in Kombination mit maschinellem Lernen ein hohes Potenzial hat. Das Hauptziel dieser Studie ist die Erfassung von PSMA-PET-Daten bei Patienten mit Prostatakrebs, die behandelt und nachuntersucht werden, um die Entdeckung prädiktiver bildgebender Biomarker durch Deep-Learning-Techniken zu ermöglichen.