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

Prostaatkanker (PCa) is de meest voorkomende niet-huidkanker en de derde belangrijkste doodsoorzaak door kanker bij Noord-Amerikaanse mannen. De nauwkeurig in kaart gebrachte metastatische toestand is een noodzakelijke voorwaarde om de behandeling in de praktijk en in klinische onderzoeken te begeleiden. Beeldvormende biomarkers (BM's) kunnen informatie verschaffen over het ziektevolume en de verspreiding, prognose, veranderingen in biologisch gedrag, door therapie veroorzaakte veranderingen (zowel responders als non-responders), duur van respons, ontstaan ​​van behandelingsresistentie en de reactie van de gastheer op de therapieën .

Van bijzonder belang voor gemetastaseerde prostaatkanker is de opkomst van een veelbelovende beeldvormingstechniek met nieuwe tracers voor prostaatspecifiek membraanantigeen (PSMA) positronemissietomografie (PET). Deze benadering heeft een hogere gevoeligheid aangetoond bij het opsporen van metastasen, voorafgaand aan en tijdens de therapie, dan de huidige beeldvormingsstandaard (CT en botscan), en is niet algemeen klinisch beschikbaar buiten het onderzoeksgebied in Noord-Amerika.

Positronemissietomografie / computertomografie (PET/CT) is een diagnostische beeldvormingsprocedure voor de nucleaire geneeskunde die is gebaseerd op de meting van positronemissie van radioactief gemerkte tracermoleculen in vivo. PSMA is een homodimeer type II membraanmetallo-enzym dat functioneert als een glutamaatcarboxypeptidase/folaathydrolase en tot overexpressie wordt gebracht in PCa. PSMA komt tot expressie in de overgrote meerderheid van PCa-weefselspecimens en de mate van expressie correleert met een aantal belangrijke maatstaven voor PCa-tumoragressiviteit, waaronder de Gleason-score, neiging tot metastasering en de ontwikkeling van castratieresistentie.

[18F]DCFPyL is een veelbelovende hooggevoelige tweede generatie PSMA-gerichte op ureum gebaseerde PET-sonde. Studies die gebruik maken van tweede generatie PSMA PET/CT-beeldvorming bij mannen met biochemische progressie na definitieve therapie suggereren detectie van metastasen bij meer dan 60% van de afgebeelde mannen.

Diep leren wordt gedefinieerd als een variant van kunstmatige neurale netwerken, waarbij gebruik wordt gemaakt van meerdere lagen 'neuronen'. Diep leren is onderzocht in medische beeldvorming in tal van toepassingen in orgaansystemen. In de oncologie zijn kunstmatige neurale netwerken ter ondersteuning van de besluitvorming eerder met terugwerkende kracht ontwikkeld bij borstkanker en prostaatkanker, maar deze zijn niet prospectief gevalideerd of geïntegreerd. Er zijn nieuwe datagestuurde methoden nodig om de resultaten zo vroeg mogelijk te voorspellen om de duur en de agressiviteit van een bepaalde therapie te sturen. Ze zijn ook nodig voor een optimale patiëntenselectie op basis van de reactie van de patiënt op een bepaalde therapie.

Hier veronderstellen de onderzoekers dat de combinatie van een goed presterende beeldvormingstechniek voor prostaatkanker in combinatie met machine learning een groot potentieel heeft. Het hoofddoel van deze studie is het verkrijgen van PSMA-PET-gegevens bij patiënten met prostaatkanker die behandeling en follow-up krijgen om de ontdekking van voorspellende beeldvormende biomarkers mogelijk te maken door middel van deep learning-technieken.