Radiomics voor voorspelling van overleving in GBM (Radiomics)

Menselijke oncologische weefsels vertonen sterke fenotypische verschillen. Vanwege de vooruitgang in zowel acquisitie- als analysemethoden van medische beeldvormingstechnologieën, is het momenteel mogelijk om betrouwbare en informatieve beeldkenmerken te extraheren om deze verschillen te kwantificeren. Radiomics, de extractie van grote hoeveelheden kwantitatieve beeldkenmerken om medische beelden om te zetten in mineerbare gegevens, is een veld in ontwikkeling dat een nauwkeurige risicostratificatie van oncologische patiënten wil bieden. Eerdere studies bij Maastro toonden het belang aan van een groot aantal (n=440) van deze radiomics-kenmerken om het tumorfenotype te kwantificeren op basis van intensiteit, vorm en textuur. Een baanbrekende studie was de extractie van beeldvormingskenmerken uit computertomografie (CT)-gegevens van 943 patiënten met niet-kleincellige longkanker (NSCLC) en hoofd-hals plaveiselcelcarcinoom (HNSCC) kanker in zes verschillende datasets 1. Het model is getraind op longkankerpatiënten en toonde aan dat een groot aantal radiografische kenmerken ook een sterke prognostische waarde hebben bij hoofd-halskankerpatiënten. Deze gegevens suggereren dat radiomics-handtekeningen een algemeen prognostisch fenotype decoderen dat bestaat bij zowel NSCLC- als HNSCC-patiënten.

De onderzoekers verwachten dat hun resultaten het startpunt zullen zijn van een nieuw veld dat geavanceerde computationele methodologieën toepast op medische beeldvormingsgegevens, waarbij gebieden van medische beeldvorming en bio-informatica worden samengevoegd. Aangezien CT-beeldvorming al tientallen jaren wordt toegepast in de routinematige klinische oncologiepraktijk in bijna elk ziekenhuis over de hele wereld, heeft de toepassing van hun analyse het potentieel om de besluitvormingsondersteuning bij een groot aantal kankerpatiënten te verbeteren.

Glioblastoom (GBM) is het meest voorkomende type primaire hersentumor met een jaarlijkse incidentie van ongeveer 500 patiënten in Nederland. Ondanks uitgebreide behandelingen, waaronder resectie, bestraling en chemotherapie, is de mediane totale overleving slechts 14,6 maanden. vast, levend neoplastisch weefsel. De grove tumor is vaak omgeven door uitgebreid oedeem en oefent meestal een aanzienlijk massa-effect uit. Tot nu toe zijn verschillende prognostische en voorspellende factoren geïdentificeerd, waaronder leeftijd, prestatiestatus, mate van resectie en biomarkers zoals MGMT, EGFRvIII en IDH1. De waarde van beeldvormende biomarkers zoals radiomics is echter nog niet volledig onderzocht.

Radiomics kunnen een belangrijke rol spelen bij het voorspellen van de prognose van patiënten met een GBM. Aangezien sommige patiënten slechts enkele maanden overleven, overleeft een deel van de patiënten (10%) meer dan 5 jaar na de diagnose. Identificatie van deze patiënten kan de behandelingsbeslissing ten goede komen door b.v. kortdurende overlevenden de best ondersteunende zorg bieden.

De onderzoekers veronderstellen dat een combinatie van CT/MRI-kenmerken, moleculaire biologie en klinische gegevens een nauwkeurige voorspelling van de medische uitkomst kan opleveren. Het doel op lange termijn is om een ​​beslissingsondersteunend systeem te bouwen op basis van de voorspellende modellen die in deze studie zijn vastgesteld.

Een uitgebreide dataset bestaande uit beeldvorming, klinische, behandelgegevens en uitkomsten van 360 patiënten die sinds 2004 in Maastricht zijn behandeld, is retrospectief verzameld. Dit omvat 128 patiënten met alleen een biopsie, met een tumor in situ op de geplande CT. Deze dataset zal worden gebruikt om voorspellende uitkomstmodellen te bouwen (overleving na 6 en 12 maanden). Deze analyse zal worden aangevuld met een radiomics-onderzoek, waarbij zowel CT- als MRI-radiomics-kenmerken worden geanalyseerd.

Om de waarde ervan te bewijzen zal de handtekening gevalideerd worden op externe datasets.