Kuvaustietojen ja genomitietojen käyttäminen rintasyövän etäpesäkkeiden ennustamiseen hoidon jälkeen

Tausta

Rintasyöpä on toiseksi yleisin naisten kuolinsyy ympäri maailmaa. WHO:n tilastojen mukaan 571 000 naista kuoli vuonna 2015 pelkästään rintasyöpään. Hongkongissa rintasyöpä on naisten yleisin syöpä.

Tällä hetkellä rintasyövän hoidon standardiprotokolla koostuu leikkauksesta (mastektomia), kemoterapiasta, sädehoidosta ja mahdollisesti hormonihoidosta tai kohdennetusta hoidosta riippuen tiettyjen hormonireseptoreiden, kuten estrogeenireseptoreiden (ER) ja progesteronireseptoreiden läsnäolosta tai puuttumisesta kasvainsoluissa. (PR) tai ihmisen epidermaalinen reseptori 2 (HER2). Vakioprotokollan tavoitteena on poistaa kasvain ja tappaa kaikki jäljellä olevat kasvainsolut. Hoito sovitetaan yleensä potilaan sietokyvyn ja yleisen terveydentilan perusteella. Vakioprotokolla on toistaiseksi ollut erittäin tehokas varhaisen vaiheen rintasyövän potilaiden hoidossa. Viiden vuoden suhteellinen eloonjäämisaste voi olla yli 90 %, jos potilaita hoidetaan riittävän ajoissa. Mutta on edelleen erittäin haastavaa hoitaa potilaita, joilla on keski- tai myöhäisvaiheen rintasyöpä, erityisesti niitä, joilla on metastaattinen sairaus. Potilailla, joilla on etäpesäkkeitä, viiden vuoden suhteellinen eloonjäämisaste laskee noin 20 prosenttiin. Tähän pudotukseen on kaksi suurta syytä.

Vaikka kaikki rintasyövät alkavat samasta elimestä, syöpäsolujen evoluutio osoittaa erilaisia ​​​​malleja eri potilailla. Tämä pätee erityisesti silloin, kun rintasyöpä on edennyt keski- tai myöhäisvaiheeseen. Vakioprotokolla perustuu kuitenkin keskimääräisiin potilastilastoihin, eikä se ota täysin huomioon yksilöiden ainutlaatuisuutta. Esimerkiksi potilaat, joilla on erilainen genominen tausta, reagoivat eri tavalla samaan lääkeannostukseen ja kokevat erilaisia ​​sivuvaikutuksia. Näin ollen väestöpohjaiset hoitostrategiat eivät voi tarjota tehokasta, optimaalista hoitoa jokaiselle potilaalle, etenkään potilaille, joilla on keski- tai myöhäisvaiheinen rintasyöpä.

Syövän diagnoosin kliininen kultastandardi on multimodaalinen kuvantaminen: mammografia ja ultraääni sekä biopsiatoidun kudoksen patologia. Kuvantaminen on ollut tehokasta primaaristen rintasyöpien havaitsemisessa, mutta sen teho heikkenee potilaiden seurannassa hoidon jälkeen, koska heidän primaariset kasvaimet ja sairaat imusolmukkeet on poistettu. Vaikka lääkärit luottavat edelleen kuvapohjaiseen seulontaan sellaisista elimistä, kuten keuhkoista ja maksasta, joissa etäpesäkkeitä on muodostunut, seuratakseen potilaitaan hoidon jälkeen, tällaiset seulontatestit eivät ole tarpeeksi herkkiä. Potilaat, joilla on suurempi metastaasien riski, menettävät usein parhaan mahdollisuuden hoidon säätämiseen ennen toissijaista alkamista. Kun etäpesäkkeitä havaitaan muissa kehon osissa muutaman vuoden kuluttua, on usein jo liian myöhäistä tehokkaalle toimenpiteelle.

Potilaille, joiden rintasyöpä on varhaisessa vaiheessa, standardiprotokolla on erittäin hyödyllinen. Mutta potilaille, joiden rintasyöpä on jo pitkälle edennyt, standardiprotokolla ja hoidon jälkeiset seurantatyökalut eivät välttämättä riitä hallitsemaan tehokkaasti syövän kehittymistä ja välttämään sekundaarista puhkeamista tai etäpesäkkeitä. Jos pystymme ennustamaan tarkasti etäpesäkkeiden esiintymisen primaarisen syövän hoidon jälkeen, tutkijat voivat pystyä säätämään interventiokulkua primaarisen kasvainhoidon ja toissijaisen puhkeamisen välisenä aikana. Mahdollisesti tutkijat voivat viivyttää tai jopa välttää etäpesäkkeitä.

Monet tutkimukset ovat osoittaneet, että genomiset muutokset ovat tärkeimpiä syöpää käynnistäviä ja sen etenemistä ja etäpesäkkeitä sääteleviä tekijöitä. Tällaisten mutaatioiden tunnistamiseksi sekvensointiprojektit, kuten Cancer Genome Atlas (TCGA) ja International Cancer Genome Consortium (ICGC), ovat systemaattisesti tutkineet tuhansien syöpien genomeja ja transkriptomeja. Tämän seurauksena on tunnistettu monia rintasyöpää aiheuttavia mutaatioita. Mutta näiden mutaatioiden rooli rintasyövän etäpesäkkeissä on edelleen epäselvä.

Kliinisesti primaaristen kasvainhoitojen ja toissijaisen puhkeamisen riskin välillä on joitain yhteyksiä. Esimerkiksi naisilla, jotka saavat sädehoitoa mastektomian jälkeen, tiedetään olevan suurempi keuhkosyövän riski. Tällaiset yhteydet ovat kuitenkin heikkoja, eikä niillä ole kliinisesti vaikuttavia vaikutuksia.

Tässä tutkimuksessa kirurgiaan, onkologiaan, radiologiaan, patologiaan, koneoppimiseen, lääketieteelliseen kuva-analyysiin, yksisolugenomiikkaan, genomitietojen analysointiin ja syövän evoluutioon erikoistunut tiimimme vastaa haasteeseen ennustaa hoidon jälkeisiä etäpesäkkeitä rintasyöpäpotilailla. Tiimimme jäsenet ovat hankkineet kliinistä asiantuntemusta ja vahvaa näyttöä asiaankuuluvasta työstä aloilla, kuten rintasyövän hoito ja ennustaminen, multimodaalinen kuva-analyysi syövän havaitsemiseksi ja diagnosoimiseksi sekä glioblastooman uusiutumisen ennustaminen tunnistamalla syövän evoluution keskeiset piirteet. Laajan kokemuksemme perusteella tutkijat olettavat, että sekä diagnoosin yhteydessä että hoidon jälkeisen seurantajakson aikana kerättyjen multimodaalisten kuvantamistietojen ja genomitietojen yhdistäminen antaa riittävästi tietoa etäpesäkkeiden riskin ennustamiseen huolimatta epätäydellinen taustalla olevien biologisten mekanismien ymmärtäminen. Koneoppimiseen perustuvat menetelmät ovat jo osoittaneet suurta potentiaalia syöpäpotilaiden heterogeenisyyteen puuttumisessa, minkä ansiosta on mahdollista rakentaa yhtenäinen työkalu hoidon jälkeisten etäpesäkkeiden riskin ennustamiseen.

Kun tällainen ennustemalli on kehitetty ja validoitu, lääkärit voivat tehdä muutoksia potilaiden hoitoon. Ennen kuin saadaan täydellinen käsitys etäpesäkkeiden takana olevasta biologisesta mekanismista, tällainen ennustetyökalu tarjoaisi tehokkaan tavan valita paras hoito kunkin potilaan elämänlaadun parantamiseksi ja eliniän pidentämiseksi.

Vielä tärkeämpää on, että tällaisen ennustustekniikan pitäisi mahdollisesti olla yleistettävissä muihin syöpätyyppeihin. Jos näin on, sillä olisi valtava vaikutus kliiniseen käytäntöön syövän hoidossa ja hoidon jälkeisessä seurannassa.

Metodologia ja yhteistyösuunnitelma

1. Tutkimuksen suunnittelu Olemassa olevan tiedon käytön maksimoimiseksi tutkijat tekevät retrospektiivisen tutkimuksen yhdistettynä prospektiivisen tutkimuksen pilottivaiheeseen. Retrospektiivisessä tutkimuksessa tutkijat käyttävät julkisesti saatavilla olevia kuvia ja genomidataa rintasyöpäpotilaista ennen ja jälkeen hoidon suorittaessaan kuva-analyysiä, piirteiden valintaa ja ennustajan rakentamista. Kompensoidakseen yhteensopivien kuva- ja genomitietojen puutetta julkisessa tietokannassa tutkijat täydentävät sitä pilottiprospektiivitutkimuksessa kerätyllä uudella tiedolla, johon tutkijat rekrytoivat 400 rintasyöpäpotilasta. Kaikille on tehty kirurginen hoito sekä kemoterapia ja/tai sädehoito, ja kuvat ja genomitiedot on kerätty diagnoosin yhteydessä. Vastaavat genomitiedot näistä potilaista kerätään sitten vuosittain enintään 4 vuoden ajan. Olettaen, että etäpesäkkeiden ilmaantuvuus on 15 % viiden vuoden sisällä, noin 60 potilaista kokee etäpesäkkeitä tutkimuksen aikana. Kerättyjä tietoja ja kliinisten tulosten metatietoja käytetään arvioitaessa ennustemallin tarkkuutta ja tulevissa tutkimuksissa.

2. Tiedonkeruu BGI Ltd. sponsoroi tätä hanketta. Kuten heidän tukikirjeessään selitetään, BGI toimittaa meille kuvantamistietoja ja genomitietoja 200 rintasyöpäpotilaalta ennustemallin rakentamista varten. Tämä tuki antaa vankan perustan riittävän tiedon saamiseksi.

   Tohtori Wing Cheong Chan on rintakirurgi North District Hospitalissa (NDH) ja on myös sairaalaviranomaisen koko New Territories East Clusterin (NTEC) rintakirurgiasta vastaava kirurgi. Kunniakliinisenä apulaisprofessorina CUHK:n kirurgian osastolla, tohtori Chan on jo pitkään tehnyt tiivistä yhteistyötä prof. Yeon ja tohtori Tsen kanssa rintasyövän diagnosoinnissa ja hoidossa. Hänen osastonsa tekee leikkauksia noin 260 rintasyöpäpotilaalle vuosittain. Hän vastaa 200 rintasyöpäpotilaan, joilla on ER/PR-positiivinen tai negatiivinen tila, rekrytoimisesta rullaavasti ja toimittaa tuoretta kasvainkudosta ja verinäytteitä genomitietojen hankintaa varten. Professori Winnie Yeo on kliininen onkologi CUHK:n Prince of Walesin sairaalassa (PWH). Hän hoitaa keskimäärin yli 500 rintasyöpäpotilasta vuosittain, mukaan lukien NDH:ssa leikatut. Hän vastaa leikkausten ja muun hoidon jälkeen värvättyjen 200 rintasyöpäpotilaan seurannasta ja kerää verinäytteitä seurantajakson aikana. Hän toimittaa olennaista anonymisoitua kliinistä tietoa ennustetyökalun rakentamiseen ja antaa myös kliinistä palautetta ennustavista ominaisuuksista, joita HKUST-tiimi poimii kuvista ja genomitiedoista.

   Professori Winnie Chu, radiologi ja tohtori Gary Tse, patologi, molemmat PWH:sta, tarjoavat leimattuja mammografioita, ultraäänikuvia ja kuvia biopsiasta otetusta kudoksesta sekä biomarkkeritietoja samoista 200 potilaasta. Sitten he toimittavat myöhempiä kuvia ja muita seulontatestitietoja väliajoin. Jotkut potilaat saavat magneettikuvauksia, jotka myös sisällytetään kuvapohjaisen ennusteen tietoihin. Kaikki potilastiedot anonymisoidaan. Dr. Chan ja prof. YEO antavat kliinistä palautetta ennakoivista ominaisuuksista. Katso liite 2 tavallista kuvanottoprotokollaa varten.

   Professori Angela Wu, genomiikan ja teknologian kehittämisen asiantuntija biotieteiden osastolta ja HKUSTin kemian ja biologian tekniikan osastolta, työskentelee näytteiden valmistelussa ja genomitietojen keräämisessä. Hän kerää genomitiedot analyysiryhmää varten. Professori Wu:lla on laaja kokemus genomiikasta ja erityisesti genomianalyysin ja teknologian kehittämisestä, kuten hänen julkaisunsa osoittavat. Hänen tiiminsä suorittaa koko eksomin sekvensoinnin (WES) ja bulkki-RNA-sekvensoinnin potilaiden kasvaimille mahdollistaakseen avainmutaatioiden tunnistamisen proteiinia koodaavilla alueilla sekä näiden mutaatioiden ja geeniekspression välisen suhteen. WES- ja RNA-seq-putkilinjassa käytetään tavallisia DNA- ja RNA-uuttomenetelmiä, joita seuraa paripään Illumina-sekvensointi. Soluton DNA-sekvensointi suoritetaan myös vuosittain kullekin potilaalle leikkauksen jälkeen tuumorin DNA:n määrittämiseksi potilaan veressä. Tutkijat yrittävät korreloida tulokset morfologisten muutosten kanssa ajan mittaan kuvantamisella kuvatulla tavalla. Soluton DNA uutetaan käyttämällä protokollia, jotka on mukautettu ja jotka on optimoitu ja validoitu professori Wun laboratoriossa.

3. Tietojen analysointi ja ennustajien rakentaminen Analyysiryhmässä on neljä tekniikan ja biotieteiden professoria. He analysoivat multimodaalista kuvantamisdataa ja genomidataa, rakentavat yhtenäisen ennustajan ja arvioivat sen suorituskykyä.

   1. Kuva-analyysi Professori Tim Cheng on asiantuntija kuvien sisältöanalyysissä koneoppimisen avulla. Hänen tiiminsä on äskettäin kehittänyt konvoluutiohermoverkkoja eturauhassyövän havaitsemiseksi ja diagnosoimiseksi MRI-kuvista. Professori Albert Chung on erikoistunut lääketieteelliseen kuva-analyysiin noin 20 vuoden kokemuksella. Professori Weichuan Yu on ultraäänikuvien analyysin asiantuntija. He analysoivat yhdessä mammografia-, ultraäänikuvia, patologisia kuvia ja mahdollisesti MRI-kuvia tavoitteenaan poimia etäpesäkkeisiin liittyviä kuvapiirteitä, joita voidaan käyttää ennustajassa. Ehdokkaita ovat 2D-aallonmuunnoskertoimet, harmaan tason yhteisesiintymämatriisi ja paikalliset binääriset ja ternääriset kuviot, jotka ovat osoittautuneet hyödyllisiksi poikkeavuuksien havaitsemisessa. Käyttämällä kuvia, joilla on totuus, poimitaan edustavia kuvapiirteitä, jotka auttavat erottamaan normaalit, hyvänlaatuiset ja pahanlaatuiset kudokset. Tutkimme myös eri luokittajia, kuten keinotekoisia hermoverkkoja, satunnaista metsää ja tukivektorikonetta niiden tehokkuutta segmentoida rintakuvia poimittujen ominaisuuksien perusteella. Tutkijat käyttävät syväkonvoluutiohermoverkkoja, kuten U-netiä ja ResNetiä kuvan segmentoinnin suorittamiseen. Ominaisuuspohjaisista menetelmistä ja syväoppimiseen perustuvista menetelmistä saadut segmentointitulokset yhdistetään todennäköisyyspohjaiseen viitekehykseen, kuten Markovin satunnaiskenttämenetelmään. Tämän pitäisi mahdollistaa niiden tulosteiden kytkeminen ennustajaan.

      Lyhyesti sanottuna tutkijat ottavat käyttöön työkalulaatikon, joka sisältää huippuluokan lääketieteelliset kuva-analyysimenetelmät ja yhdistävät niitä. Tutkijat keskustelevat poimituista kuvan ominaisuuksista kliinisen tiimin kanssa palautetta varten.

   2. Genomidatan analyysi Genomidatan analysointiryhmä koostuu laskennallisen biologin professori Jiguang Wangista ja genominlaajuisesta assosiaatiosta perehtyneestä prof. Weichuan Yusta. Prof. Tim Cheng ja Albert Chung osallistuvat myös tähän tutkimuksen osaan soveltamalla koneoppimista genomitietoihin. Professori Wang on osoittanut, että tiettyjä aivokasvainten mutaatioita, jotka havaitaan syövän kehityksen varhaisessa vaiheessa, voidaan käyttää hoidon tulosten ennustamiseen. Nämä menetelmät mukautetaan rintasyöpätietoihin kasvaimen etäpesäkkeiden ennustamiseksi. Lisäksi tutkijat havaitsivat alustavassa tutkimuksessa, että kopioluvun muutos ERBB2:ssa rintasyövässä osoittaa vahvan yhteyden aivometastaaseihin. Tämä havainto vahvistetaan ja perustellaan edelleen tämän ehdotetun tutkimuksen seurantatyöllä. Kun tutkijat ovat valinneet genomin ominaisuudet kohteiksi, tutkijat työskentelevät yhdessä kliinisen tiimin kanssa selvittääkseen lääketieteelliset vaikutukset.
   3. Metastaasiennustajan rakentaminen Tutkijat suunnittelevat muotoilevansa ennustetehtävän tilastollisena päättelyongelmana Bayesin todennäköisyyskehyksen avulla. Kaikki mittaukset ja niiden epävarmuustasot voidaan sitten johdonmukaisesti mallintaa ja integroida matemaattisesti. Esimerkiksi kaikki mittaukset voidaan esittää havaintoja graafisessa todennäköisyysmallissa ja predikaatiotulos voidaan päätellä arvioimalla maksimi a posteriori (MAP) ratkaisu. Koska tutkijat keräävät kliinikkojen merkitsemiä tietoja, tutkijat odottavat, että malliparametrit voidaan alustaa ja kouluttaa tehokkaasti. Tutkijat selvittävät myös ennustetehtävän muotoilemista luokitteluongelmana ja tutkivat useiden, yhdessä koulutettujen konvoluutiohermoverkkojen käyttöä luokituksen suorittamiseen, joista jokainen käsittelee vain kuva- tai genomidataa.
4. Arviointi Vastaanottimen toimintakäyrän (ROC) alla oleva alue (AUC) on tärkein kriteeri arvioitaessa etäpesäkkeiden ennustetyökalumme ennustetarkkuutta. Tällä hetkellä rintasyövän etäpesäkkeiden ennustamisen paras suorituskyky vain käyttämällä kuvantamistietoja on raportoitu, käyrän alla oleva pinta-ala (AUC) oli noin 55 % PAM50-geenitestiin perustuvalle uusiutumis- ja lisääntymisriskille. Tutkimuksemme perusteella ei ole vielä ehdotettu menetelmää genomitietojen käyttämiseksi rintasyövän etäpesäkkeiden ennustamiseen, vaikka rintasyövän etäpesäkkeiden ja uusiutumisen genomista on tutkittu aktiivisesti. Tutkijat odottavat, että ennustetarkkuuden pitäisi kasvaa vähintään 5–10 prosenttia, kun tutkijat yhdistävät sekä kuvantamistiedot että genomitiedot.

Äskettäin Mobadersany et ai. on raportoinut, että selviytymiskonvoluutiohermoverkko (SCNN) voi ylittää manuaalisen histologisen asteen perusmallin yhdistämällä patologisia kuvia ja genomisia biomarkkereita gliooman lopputuloksen ennustamisessa. Kirjoittajat käyttivät Harrellin c-indeksiä eloonjäämisanalyysin näkökulmasta mitatakseen ennusteen tarkkuutta. Mediaani c-indeksi on saavuttanut 0,75 SCNN:n avulla. Vaikka rintasyöpä on hyvin erilainen kuin gliooma ja AUC eroaa Harrellin c-indeksistä, tämä artikkeli on osoittanut positiivisen esimerkin kuvatietojen ja genomitietojen yhdistämisestä syövän lopputuloksen ennustamisessa.

Huomaa, että kestää paljon kauemmin tarkkailla täydellisiä kliinisiä tuloksia 400 potilaan osalta, jotka tutkijat aikovat värvätä tähän projektiin. Tutkijat aikovat hakea lisärahoitusta jatkaaksemme tutkimustamme tämän projektin päätyttyä.